Пошаговый дискриминантный анализ (LDA) — main.ipynb

Короткий ноутбук для линейного дискриминантного анализа (LDA) с пошаговым отбором признаков (включение/исключение), расчетом ковариационных матриц и расстояний Махаланобиса. Вход — Excel data.xlsx, выход — output.xlsx с результатами классификации.

Что делает ноутбук

• Читает Excel (INPUT_PATH, по умолчанию data.xlsx) и берет первые 85 строк.
• Стандартизирует числовые признаки X1..X9 (все колонки, кроме первой).
• Строит LDA, вычисляет ковариационную матрицу, средние по классам, расстояния Махаланобиса.
• Делает пошаговый отбор признаков: с включением (forward) и с исключением (backward).
• Сохраняет результаты в OUTPUT_PATH (по умолчанию output.xlsx):
  • Train sample (класс из обучающей выборки)
  • Result Lda (полная модель)
  • Result forward (модель с включением)
  • Result backward (модель с исключением)

Требования

• Python 3.10+
• Зависимости: pandas, numpy, scipy, scikit-learn, openpyxl

Рекомендуется установить из requirements.txt.

Быстрый старт локально (Linux/macOS, sh)

# 1) Создать и активировать виртуальное окружение
python3 -m venv .venv
source .venv/bin/activate

# 2) Обновить pip и установить зависимости
pip install --upgrade pip
pip install -r requirements.txt

# 3) Запустить ноутбук (любой способ)
# Вариант A: открыть main.ipynb в VS Code и выполнить ячейки
# Вариант B (если нужно):
# pip install jupyterlab
# jupyter lab

Windows

# 1) Создать и активировать виртуальное окружение (PowerShell)
py -m venv .venv
.venv\Scripts\Activate.ps1

# 2) Обновить pip и установить зависимости
python -m pip install --upgrade pip
pip install -r requirements.txt

# 3) Запуск ноутбука
# Откройте main.ipynb в VS Code и выполните ячейки
# или установите JupyterLab и запустите его:
# pip install jupyterlab
# jupyter lab

Примечание: в классической CMD активация окружения — .venv\Scripts\activate.bat.

Настройка переменных (первая ячейка ноутбука)

• INPUT_PATH: путь к входному Excel (по умолчанию data.xlsx).
• OUTPUT_PATH: путь для сохранения результатов (по умолчанию output.xlsx).
• CNT_ENTER: число признаков в forward-модели.
• CNT_REMOVE: число признаков, исключаемых в backward-процедуре.
• TRAIN_SAMPLE: словарь вида {класс: [индексы_строк]} — обучающая выборка.
  • Индексы — это индексы DataFrame после чтения файла (0-based). Убедитесь, что указанные номера существуют.

Формат входных данных (Excel)

• Первая колонка — идентификатор/метка (не стандартизируется).
• Далее должны идти числовые признаки X1..X9.
• Используются первые 85 строк файла.

Минимальный пример структуры (заголовки):

<ID-or-Name>  X1  X2  ...  X9
...

Результаты

В output.xlsx попадут исходные признаки X1..X9 и дополнительные столбцы:

• Train sample — класс для строк, попавших в обучающую выборку.
• Result Lda — класс по полной LDA-модели.
• Result forward — класс по модели с включением признаков.
• Result backward — класс по модели с исключением признаков.

Запуск в Google Colab

1. Откройте Colab → File → Upload notebook и выберите main.ipynb.
2. Загрузите data.xlsx в среду:
   • Слева вкладка Files → Upload → выберите data.xlsx, он окажется в /content/data.xlsx; или
   • Смонтируйте Google Drive:

     from google.colab import drive
     drive.mount('/content/drive')
     # затем используйте путь вида '/content/drive/MyDrive/путь/к/data.xlsx'

3. Установите (при необходимости) зависимости в первой ячейке Colab:

   # Выполните только если библиотек не хватает
   !pip -q install openpyxl scikit-learn scipy pandas

4. В первой ячейке ноутбука обновите пути:
   • INPUT_PATH = '/content/data.xlsx' (или путь в Google Drive)
   • OUTPUT_PATH = '/content/output.xlsx'
5. Выполните все ячейки.

Частые вопросы

• FileNotFoundError: проверьте INPUT_PATH и расположение data.xlsx.
• ModuleNotFoundError: установите зависимости (см. выше). В Colab выполните ячейку с !pip.
• Индексы TRAIN_SAMPLE не найдены: проверьте, что они соответствуют индексам DataFrame (0-based) и попадают в первые 85 строк.