实现思路
1.搭建机器学习开环境,Python, anaconda等。
2．数据采集，用电量数据、环境污染采集数据。
3．特征提取方法。
4．用关联分析、聚类算法分析用电量与空气污染指数关系。
5．数据结果及可视化。
实践要求
(1）功能完备，覆盖选题中的各项要求;未提及的内容，按照该题目基本原理及实际应有功能、性能要求进行设计、实现和测试验证，考虑尽可能全面、深入、细致。
(2)设计类题目如无特殊说明必须有图形用户界面
(3）开发语言和工具不限，尽量使用最新版本;
研究方法介绍
本研究将采用机器学习开发环境，使用Python、Anaconda，通过特征提取，建立linear_model , svm以及GBRT模型进行数据分析。
Anaconda（大蟒蛇）
Anaconda是一个安装、管理python相关包的软件，还自带python、Jupyter Notebook、Spyder，其中有管理包的conda工具。Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个常用数据科学包及其依赖项。其中包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。
Anaconda 是在 Conda（⼀个包管理器和环境管理器）上发展出来的，而Conda是一个开源的包、环境管理器，可以帮助你在计算机上安装和管理数据分析相关包,可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
作业使用三种模型
Linear model（线性模型）
SVM（支持向量机）
4、GBRT（渐进梯度回归树）
用电量与空气污染预测分析
1、数据集
虑到用电量数据与空气污染数据的获取难度，我们查找了全国四个直辖市在2018年到2020年三年共计36个月的用电与空气污染数据作为使用数据集。
数据集：用电量。用电量数据集包括城市、用电量、日期三列数据。其中用电量单位：亿千瓦时。日期：为该月统计量。例：2018/1/1，实际指2018/1/1到2018/1/31整月统计量。
数据集：空气质量综合指数：空气质量综合指数数据集包括城市、污染物浓度、PM2.5浓度、日期四列数据。其中污染物浓度单位：ＮＡ未知。ＰＭ２.５浓度单位：微克／立方米。日期：为该月统计量。例：2018/1/1，实际指2018/1/1到2018/1/31整月统计量。
代码包含
数据预处理
用户ui界面
三种模型选择（LR、SVM、GBRT），如下。
地区选择（上海、北京、天津、重庆），如下
ui界面还包含四个制图按钮，与三个勾选选项
可组合做出多组图片
从研究整体可以看出，用电量与空气污染存在着明显的线性关系，随着用电量的提升空气污染亦会提升，而正存在正相关。而随着累计用电量的提升空气污染会有降低趋势，存在负相关。同一时间不同地区中，用电量大的空气污染也更加严重，例如上海用电量最大，空气污染也最严重。
代码，数据集下载地址：https://download.csdn.net/download/m0_57832412/85623806
