修改分割模块

classification_model/Parallel/predict_plastic.py

@@ -587,22 +587,22 @@ def predict_with_model(df, model_path, model_type='SVM', ProcessMethods1='SS', P
 # 主函数,用于训练
 if __name__ == "__main__":
     # 使用 pandas 读取 CSV 文件
-    file_path = r"E:\code\plastic\plastic20260224\plastic\plastic\output\20260224\all.csv"
+    file_path = r"D:\Data2\traindata1\all\isf0303.csv"
     df = pd.read_csv(
         file_path,
         encoding='utf-8',  # 指定编码，如果出错可尝试 'gbk' 或 'gb18030'
         low_memory=False  # 避免数据类型推断问题
     )
 
-    # 使用 pandas 选择要删除的列（第93到117列，索引从0开始）
-    cols_to_remove = df.columns[np.r_[1:5, 87:110, 166:169]]
-
-    # 使用 pandas 删除指定列
-    df_filtered = df.drop(columns=cols_to_remove)
+    # # 使用 pandas 选择要删除的列（第93到117列，索引从0开始）
+    # cols_to_remove = df.columns[87:110]
+    #
+    # # 使用 pandas 删除指定列
+    # df_filtered = df.drop(columns=cols_to_remove)
 
     # 使用 pandas 提取特征数据（从第2列开始到最后，排除第一列标签列）
-    x = df_filtered.iloc[:, 1:]
-    # x = df.iloc[:, 1:]
+    # x = df_filtered.iloc[:, 1:]
+    x = df.iloc[:, 1:]
     # 使用 pandas 提取标签（第一列）
     y = df.iloc[:, 0]
     X_train, X_test, y_train, y_test = SpectralQualitativeAnalysis(x, y, 'SS', 'None', 'None', 'random', use_smote=True)
@@ -622,7 +622,7 @@ if __name__ == "__main__":
     # save_model(clf, r"D:\WQ\plastic\classification_model\modelsave\svm.m", model_type='SVM')
 
     # 示例2: 使用统一的训练和保存函数（推荐）
-    save_dir = r"E:\code\plastic\plastic20260224\plastic\plastic\output\20260224\modelsave"
+    save_dir = r"D:\plastic\plastic\modelsave\240model\new\0303"
 
     # 训练并保存多个模型
     models_to_train = ['SVM']#'SVM', 'RF', 'XGBoost', 'LogisticRegression'