Readme

README 项目概述 本项目旨在分析代码仓库的历史活动数据及其特征与代码仓库健康程度之间的关系。通过一系列数据分析和机器学习模型，我们评估了不同规模和知名度的项目的健康度趋势，并尝试预测项目的预期寿命和未来弃用的风险概率。

文件结构 /project ├── /task ├── 1_特征与健康度关联分析.py ├── 2_定义与标注弃用仓库.py ├── 3_不同规模项目健康度趋势比较.py ├── 4_体量与知名度对健康度的影响.py ├── 5_历史数据与未来健康度评估.py ├── 6_项目预期寿命与弃用预测.py ├── 7_未来弃用风险概率预测.py ├── data ├── Repositories_with_label.csv ├── Repositories_with_statistics.csv ├── README.md ├── 报告.pdf 运行环境配置 安装Python：确保安装了Python 3.8或更高版本。 创建虚拟环境（可选，但推荐）： bash python -m venv myenv 激活虚拟环境： Windows: bash myenv\Scripts\activate macOS/Linux: bash source myenv/bin/activate 安装依赖库： bash pip install numpy pandas matplotlib seaborn scikit-learn 运行代码 打开PyCharm，导入项目目录。 按顺序运行任务脚本： 从1_特征与健康度关联分析.py开始，依次运行每个脚本。 每个脚本将处理特定的分析任务，并可能生成图表或输出结果。 查看结果： 运行每个脚本后，结果将直接在PyCharm的控制台或内置的图形视图中显示。 注意事项 确保所有脚本都在相同的Python环境中运行。 某些脚本的输出可能依赖于前一个脚本的结果，请按顺序执行。 如果遇到任何错误，请检查控制台输出的错误信息并进行相应的调试。