数据挖掘实战案例：基于水色图像的水质评价（一）

泰迪智能科技（数据挖掘平台：TipDM数据挖掘平台）最新推出的数据挖掘实战专栏

专栏将数据挖掘理论与项目案例实践相结合，可以让大家获得真实的数据挖掘学习与实践环境，更快、更好的学习数据挖掘知识与积累职业经验

专栏中每四篇文章为一个完整的数据挖掘案例。案例介绍顺序为：先由数据案例背景提出挖掘目标，再阐述分析方法与过程，最后完成模型构建，在介绍建模过程中同时穿插操作训练，把相关的知识点嵌入相应的操作过程中。

为方便读者轻松地获取一个真实的实验环境，本专栏使用大家熟知的Python语言对样本数据进行处理以进行挖掘建模。
————————————————
下面进入第一篇，基于水色图像的水质评价（一）

随着工业技术的日益提升，人类的生活变得越来越便利。但与此同时环境污染问题日趋严重，大气、土壤、水质污染是各个工业国家不得不面对的问题。污染需要治理，因此对于污染物的评价与监测十分重要。水产养殖业是我国国民经济的一个重要组成部分，在水产养殖过程中，选择没有污染的水域进行养殖十分重要。

本章使用拍摄的池塘水样图片数据，结合图像切割和特征提取技术，使用决策树算法，对图样的水质进行预测，以辅助生产人员对水质状况进行判断。

背景与挖掘目标

从事渔业生产有经验的从业者可通过观察水色变化调控水质，以维持养殖水体生态系统中浮游植物、微生物类、浮游动物等合理的动态平衡。由于这些多是通过经验和肉眼观察进行判断，存在主观性引起的观察性偏倚，使观察结果的可比性、可重复性降低，不易推广应用。当前，数字图像处理技术为计算机监控技术在水产养殖业的应用提供更大的空间。在水质在线监测方面，数字图像处理技术是基于计算机视觉，以专家经验为基础，对池塘水色进行优劣分级，达到对池塘水色的准确快速判别。

结合某地区的多个罗非鱼池塘水样的数据，实现以下目标。

（1） 对水样图片进行切割，提取水样图片中的特征。

（2） 基于提取的特征数据，构建水质评价模型。

（3） 对构建的模型进行评价，评价模型对于水色的识别效率。

分析方法与过程</