神经网络特征分析流程

graph TD;
A[开始] --> B[明确研究目的与问题];
B --> C[确定特征变量X和目标变量Y];
C --> D[收集数据，形成初始数据集];
D --> E[数据质量检查（完整性、准确性、一致性）];
E --> F{是否存在数据质量问题};
F -- 是 --> G[数据清洗（处理缺失值、纠正错误数据、去除重复数据）];
G --> H[数据探索性分析（统计描述、相关性分析、可视化探索）];
F -- 否 --> H;
H --> I[数据标准化（使用StandardScaler，公式z=(χ - μ)/σ）];
I --> J[数据集划分（80:20划分为训练集和测试集，设置随机种子为42）];
J --> K[构建神经网络模型（确定层数、神经元数、激活函数、损失函数、优化器）];
K --> L[训练神经网络模型（设置训练轮数50，批次大小16）];
L --> M[模型评估（计算训练集和测试集准确率、损失值等指标）];
M --> N{模型性能是否满足要求};
N -- 否 --> O[调整模型超参数（层数、神经元数、学习率等）];
O --> L;
N -- 是 --> P[提取模型第一层权重，计算特征重要性得分并排序];
P --> Q[进行特征分析（个人特征、主观认知与态度特征、设施相关现象特征分析）];
Q --> R[按照个人特征分组数据，对比不同群体评价差异];
R --> S[总结分析结果，撰写报告（包含特征重要性、群体差异等）];
S --> T[结束];