https://blog.csdn.net/weixin_45655710知识点回顾：
- 异常处理机制
- debug过程中的各类报错
- try-except机制
- try-except-else-finally机制
作业：理解今日的内容即可，可以检查自己过去借助ai写的代码是否带有try-except机制，以后可以尝试采用这类写法增加代码健壮性。
# --- 1. 加载数据并定义特征 (X) 和目标 (y) ---
# 假设 heart.csv 已在当前目录
try:
data = pd.read_csv('heart.csv')
print("✅ 心脏病数据加载成功！")
except FileNotFoundError:
print("❌ 错误: 'heart.csv' 未找到。")
exit()# --- 步骤 1: 加载数据 ---
print("--- 步骤 1: 加载数据 ---")
try:
train_df = pd.read_csv('train.csv')
test_df = pd.read_csv('test.csv')
submission_df = pd.read_csv('gender_submission.csv') # 加载示例提交文件以了解格式
print("✅ 训练集、测试集和提交示例文件加载成功！")
print(f"训练集形状: {train_df.shape}")
print(f"测试集形状: {test_df.shape}")
except FileNotFoundError as e:
print(f"❌ 错误: 找不到文件 {e.filename}。请确保所有CSV文件都在同一目录下。")
exit()# --- 1. 加载并初步清洗心脏病数据集 ---
try:
data = pd.read_csv('heart.csv')
print("--- 心脏病数据已加载 ---")
print(f"原始数据形状: {data.shape}")
except FileNotFoundError:
print("❌ 错误: 'heart.csv' 文件未找到。请确保它和脚本在同一目录下。")
exit()
except Exception as e:
print(f"❌ 加载数据时发生错误: {e}")
exit()# --- 4. 对训练集进行 SVD 分解并降维 ---
# (注意: sklearn的TruncatedSVD更适合大规模数据和直接降维，
# 但这里我们遵循您提供的numpy.linalg.svd示例流程)
print("\n--- 正在对训练集进行SVD分解 ---")
try:
U_train, sigma_train, Vt_train = np.linalg.svd(X_train_scaled, full_matrices=False)
except np.linalg.LinAlgError as e:
print(f"❌ SVD 计算错误: {e}")
print("这可能因为数据中仍有非数值或NaN值，或者其他线性代数问题。")
exit()# --- 步骤 1: 加载心脏病数据集 ---
print("--- 步骤 1: 加载心脏病数据集 ---")
try:
# 读取名为 'heart.csv' 的数据文件
data = pd.read_csv('heart.csv')
print("✅ 心脏病数据加载成功！")
print(f"数据形状 (行数, 列数): {data.shape}")
print("\n数据前5行预览:")
print(data.head())
print("\n数据基本信息:")
data.info()
print("\n数据描述性统计:")
print(data.describe())
except FileNotFoundError:
print("❌ 错误: 'heart.csv' 文件未找到。请确保文件在此脚本的同一目录下。")
exit() # 如果文件未找到，则退出脚本
except Exception as e:
print(f"❌ 加载文件时发生错误: {e}")
exit() # 如果发生其他错误，则退出脚本