借助DeepSeek基于Marp快速制作PPT的一次记录¶

约 7393 个字 • 389 行代码

之前有次课程的作业，需要制作一个报告用的PPT简单地在课上汇报一下作业完成的过程(如果被抽到的话)，但是由于(好像?)那几天事情比较多~~以及我比较懒😅~~，想起之前用过的marp(一个使用markdown语言来制作ppt的工具)和之前发现的一个比较好看且样式丰富的Awesome-Marp主题(官方内置的主题比较简陋并且可以使用的样式比较少)，于是尝试了借助deepseek按照这个方法来快速生成ppt。

题外话1：
编写这篇记录的原因是一位老师私下问了我是否有能简单省事快速制作~~可能是用于应付的~~ppt的方法，于是我就去将之前与deepseek的对话记录提取了出来，方便之后与其他人分享展示这个操作和这样做出的ppt。
题外话2：
想到这样的方法是因为我觉得通用ai处理文本(包括代码等)的能力很强，同时目前专门制作ppt的ai生成的ppt又一言难尽，因此可以借助通用ai基于一些存储形式为代码的工具来快速而省事且效果较好地制作一些东西，比如用markdown格式生成ppt的工具marp、绘制流程图等图的工具mermaid、绘制UML图的工具plantUML(暂时到目前为止用过这些且感觉ok)。

对话记录

🧑 User

基于贝叶斯分类的欺诈交易检测.pdf

基于贝叶斯分类的欺诈交易检测.pdf部分展示

https://github.com/favourhong/Awesome-Marp

这是我在github上找到的一个marp主题，以下是他提供的示例模板：

AwesomeMarp_brown.md

---
marp: true
size: 16:9
theme: am_brown
paginate: true
headingDivider: [2,3]
footer: \ *初虹（虹鹄山庄）* *Awesome Marp：轻松取代 LaTeX Beamer！* *2024年1月13日（v1.3）*
---


<!-- _class: cover_a 
<!-- _header: "" --> 
<!-- _footer: "" --> 
<!-- _paginate: "" --> 

# Awesome Marp：轻松取代 LaTeX Beamer！

###### “用法简单、功能全面的个性化 PPT 模板”

@初虹
公众号：虹鹄山庄
发布时间：2024 年 1 月 13 日（v1.3）
<ch2099058972@163.com>
Awesome-Marp 地址：[GitHub 库](https://github.com/favourhong/Awesome-Marp)/[Gitee 库](https://gitee.com/favourhong/Awesome-Marp)

## Awesome Marp 有什么？

<!-- _class: cols2_ol_ci fglass toc_a  -->
<!-- _footer: "" -->
<!-- _header: "CONTENTS" -->
<!-- _paginate: "" -->

- [关于模板](#3)
- [封面页](#10) 
- [目录页](#16)
- [页面分栏与列表分列](#20)
- [引用、链接和引用盒子](#38)
- [导航栏](#45)
- [其他自定义样式](#48)
- [需要知道的基础知识](#56)
- [最后一页](#59)

## 1. 关于模板

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

## 1. 关于模板

- **开始之前：** 你需要知道这样几个工具，Markdown、Markdown 编辑器（VS Code 或 Obsidian）和 Marp。关于这三者是个啥，我不做详细地介绍，但在[第 55 页](#55)-[第 58 页](#58)会有一些凝练性的内容给你参考，同时我提供了不少的链接，也供你参阅。
- **为什么要开发 Awesome Marp？** 
  - Marp 原生仅提供 3 种主题（`default` / `gaia` / `uncover`），呈现效果一般。于是我根据自己的使用情况，边用边改造，陆续打磨了这样的一整套模板。
  - **目前发布的 v1.3 有 38 个自定义样式、6 种颜色的主题**（后面有呈现效果）
- **Awesome Marp 的几个特色：**
  - 支持分栏呈现、支持 Callouts（类似于 Beamer 中的定理框）、提供多种类型的封面页和目录页、可以实现导航进度栏、图片支持自定义居中/居左/居右对齐等 

- 本着「开箱即用」的原则，我将本项目文件夹打包上传到了[GitHub](https://github.com/favourhong/Awesome-Marp) 和 [Gitee](https://gitee.com/favourhong/Awesome-Marp)
- 用到的工具：软件 [Visual Studio Code](https://code.visualstudio.com) 或 [Obsidian](https://obsidian.md/)、[Marp for VScode（插件）](https://marketplace.visualstudio.com/items?itemName=marp-team.marp-vscode)

## 1. 关于模板


- Awesome Marp 支持 38 个自定义样式，使用时需在页面指定（如 `<!-- _class: trans -->`）：

| 封面页    | 目录页  | 列表        | 引用盒子    | 其他 1                        | 其他 2                                                          |
| --------- | ------- | ----------- | ----------- | ----------------------------- | --------------------------------------------------------------- |
| `cover_a` | `toc_a` | `cols-2`    | `bq-black`  | 过渡页面 `trans`              | 图表等的标题 `caption`                                          |
| `cover_b` | `toc_b` | `cols-2-64` | `bq-purple` | 最后一页 `lastpage`           | 非嵌套无序列表的毛玻璃效果 `fglass`                             |
| `cover_c` |         | `cols-2-73` | `bq-red`    | 导航栏 `navbar`               | 脚注：`footnote`                                                |
| `cover_d` |         | `cols-3`    | `bq-blue`   | 标题固定+无底色 `fixedtitleA` | 调节字体大小：`tinytext`/`smalltext`/<br>`largetext`/`hugetext` |
| `cover_e` |         | `cols-2-46` | `bq-green`  | 标题固定+有底色 `fixedtitleB` |                                                                 |
|           |         | `cols-2-37` |             | 两列有序列表 `cols2_ol_sq/ci`                              |                                                                 |
|           |         | `rows-2`    |             | 两列无序列表 `cols_ul_sq/ci`                              |                                                                 |
|           |         | `pin-3`            |             | 单列有序列表 `col1_ul_sq/ci`                              |                                                                 |


## 1. 关于模板


- Awesome Marp 的主题色（6 种），可在 YAML 区切换 Theme，如 `theme: am_dark`：

| 深色      | 绿色       | 红色     | 蓝色      | 棕色       | 紫色
|---------|----------|--------|---------|----------|----|
| `am_dark` | `am_green` | `am_red` | `am_blue` | `am_brown` |`am_purple`|


## 1. 关于模板

- 如何使用：
  - **搭配 VS Code**：直接使用 VS Code 打开 `Awesome-Marp` 文件夹
    - 如果你想「拿来即用」，直接根据我分享的 Markdown 源码文件，对照修改就好了~ 
    - 如果你对部分效果不满意、期望简单微调的话，目前在 `Awesome-Marp/themes` 下有 6 个 CSS 文件，这些 CSS 文件决定了 Markdown 源码的最终渲染效果，可以试着改一改~ 
    - 如果你能够自行定制个性化 CSS 文件，渲染前，别忘在 `Awesome-Marp/.vscode/settings.json` 里加上你的 CSS 文件路径~ 
  - **搭配 Obsidian**：安装 [Marp Slides 插件](https://github.com/samuele-cozzi/obsidian-marp-slides)，并配置相应 CSS 路径

- 字体：因担心版权问题，需自行下载字体并安装，Awesome Marp 用到的字体有：
  - 正文字体：`Latin Modern Math`、`方正宋刻本秀楷简体`，如果未安装，默认将使用 `Calibri` 和 `楷体`
  - 标题字体：`Optima LT Medium`、`方正苏新诗柳楷简体`，如果未安装，默认将使用 `Arial` 和 `黑体`
  - 脚注字体：`Charm` 和 `叶根友毛笔行书修正版`，如果未安装，默认将使用 `Calibri` 和 `楷体`
  - 代码字体：`Fira Code` 和 `霞鹜文楷等宽`，如果未安装，默认将使用 `Consolas` 和 `华文中宋`

## 1. 关于模板：更新日志

- [Awesome Marp v1.0：我开发了一整套 Marp 主题，Markdown 转换的 PPT 也可以很好看！](https://mp.weixin.qq.com/s?__biz=MzkwOTE3NDExOQ==&mid=2247486787&idx=1&sn=2652ddae81f50240844cb652780912e1&chksm=c13ff94bf648705da1ba986b91265e3ff018acaffcfa60d7807a81be22176005e7a2b4483627&scene=178&cur_album_id=3132459596339757070#rd)
- [Awesome Marp v1.1：标题行不随正文浮动，这下更像 Beamer 了！](https://mp.weixin.qq.com/s?__biz=MzkwOTE3NDExOQ==&mid=2247486800&idx=1&sn=527348e242576079e4bd6cd1823c823a&chksm=c13ff958f648704e40a202db6ad5fa215ef4c189d66403e161d6ace9828406a8747ac755684f&scene=178&cur_album_id=3132459596339757070#rd)
- [Awesome Marp v1.2：增加脚注、调节字体大小等样式～](https://mp.weixin.qq.com/s?__biz=MzkwOTE3NDExOQ==&mid=2247486825&idx=1&sn=56d632ce164831438ec87c1b20ed4c4c&chksm=c13ff961f64870774f069ab816340783d8f54fd6b89363b8d9412c593efc640851ce9edd8833&scene=178&cur_album_id=3132459596339757070#rd) 
- [Awesome Marp v1.3：几处小更新～](https://mp.weixin.qq.com/s?__biz=MzkwOTE3NDExOQ==&mid=2247486869&idx=1&sn=fcc377ff6a5930436e5078a09d53f0ab&chksm=c13ff99df648708b89bafba030b27909d0022279e26da723ca54a1666fe55f50a4230f050662&scene=178&cur_album_id=3132459596339757070#rd)


## 下面让我们看看效果吧 ~  

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

## 2. 封面页

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

## 2. 封面页

- 大标题：采用一级标题 `# ` （如：`# Awesome Marp：自定义 Marp 主题`）
- 副标题：采用六级标题 `###### ` （如：`###### 打造简便又不失个性的演示文稿`）
- 本套模板提供 5 种封面页样式，使用时需要在页面中设定局部指令，如：`<!-- _class: cover_a -->` 
  - `cover_a`：[第 1 种](#1)
  - `cover_b`：[第 2 种](#12)
  - `cover_c`：预留 header 可设定学校 logo，footer 可设定校训 [第 3 种](#13)
  - `cover_d`：只预留了 footer 设定校训 [第 4 种](#14)
  - `cover_e`：预留 header 设定学校 logo，footer 设定学校 logo 和学校名称[第 5 种](#15)

- 如果已经设定了全局 footer、header 或页码，但又不期望在封面页中出现，可以 `<!-- _footer: "" -->` / `<!-- _header: "" -->` / `<!-- _paginate: "" -->` 分别将其局部隐藏起来
- 当标题文字超过页面宽度会溢出换行，这里可以使用 `<!-- fit -->` 根据页面宽度自动调整文字大小

---

<!-- _class: cover_b -->
<!-- _header: "" -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

# Awesome Marp：轻松取代 LaTeX Beamer！

###### “用法简单、功能全面的个性化 PPT 模板”

@初虹
公众号：虹鹄山庄
发布时间：2024 年 1 月 13 日（v1.3）
<ch2099058972@163.com>
Awesome-Marp 地址：[GitHub 库](https://github.com/favourhong/Awesome-Marp)/[Gitee 库](https://gitee.com/favourhong/Awesome-Marp)

---

<!-- _class: cover_c -->
<!-- _paginate: "" -->
<!-- _footer: 厚德博学 经济匡时 -->
<!-- _header: ![](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202405291116463.png) -->


# <!-- fit -->Awesome Marp：轻松取代 LaTeX Beamer！

###### “用法简单、功能全面的个性化 PPT 模板”

@初虹
公众号：虹鹄山庄
发布时间：2024 年 1 月 13 日（v1.3）
<ch2099058972@163.com>
Awesome-Marp 地址：[GitHub 库](https://github.com/favourhong/Awesome-Marp)/[Gitee 库](https://gitee.com/favourhong/Awesome-Marp)

---

<!-- _class: cover_d -->
<!-- _paginate: "" -->
<!-- _footer: "厚德博学 经济匡时" -->

# <!-- fit -->Awesome Marp：轻松取代 LaTeX Beamer！

###### “用法简单、功能全面的个性化 PPT 模板”

@初虹
公众号：虹鹄山庄
发布时间：2024 年 1 月 13 日（v1.3）
<ch2099058972@163.com>
Awesome-Marp 地址：[GitHub 库](https://github.com/favourhong/Awesome-Marp)/[Gitee 库](https://gitee.com/favourhong/Awesome-Marp)

---

<!-- _class: cover_e -->
<!-- _paginate: "" -->
<!-- _footer: ![](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202405291116463.png) -->
<!-- _header: ![](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202405291053273.png) -->


# <!-- fit -->Awesome Marp：轻松取代 LaTeX Beamer！

###### “用法简单、功能全面的个性化 PPT 模板”

@初虹
公众号：虹鹄山庄
发布时间：2024 年 1 月 13 日（v1.3）
<ch2099058972@163.com>
Awesome-Marp 地址：[GitHub 库](https://github.com/favourhong/Awesome-Marp)/[Gitee 库](https://gitee.com/favourhong/Awesome-Marp)

## 3. 目录页

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

## 3. 目录页 

- Awesome Marp 提供了至少 2 种目录页样式，使用时同样需要设定局部样式
  - `toc_a`：需要将 header 的内容设定为 `CONTENTS`，即 `<!-- _header: "CONTENTS" -->`
  - `toc_b`：需要将 header 的内容设定为 `目录<br>CONTENTS<br>你的LOGO地址`，即 `<!-- _header: 目录<br>CONTENTS<br>![](./logo.png)-->`
  - 提供的几种分栏列表样式，也可以作为目录页使用，如 `<!-- _class: cols2_ol_ci fglass  -->`（效果见[这里](#32)）

- 类似地，如果已经定义了全局 footer 或页码，可以使用 `<!-- _footer: "" -->` / `<!-- _paginate: "" -->` 分别将其局部隐藏起来
- 目录页样式：[第 1 种](#2)、[第 2 种](#18)和[第 3 种](#19)

---

<!-- _class: toc_a -->
<!-- _header: "CONTENTS" -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

- [关于模板](#3)
- [封面页](#10) 
- [目录页](#16)
- [页面分栏与列表分列](#20)
- [引用、链接和引用盒子](#38)
- [导航栏](#45)
- [其他自定义样式](#48)
- [需要知道的基础知识](#56)
- [最后一页](#59)

---

<!-- _header: 目录<br>CONTENTS<br>![](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202405291053273.png)-->
<!-- _class: toc_b -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

- [关于模板](#3)
- [封面页](#10) 
- [目录页](#16)
- [页面分栏与列表分列](#20)
- [引用、链接和引用盒子](#38)
- [导航栏](#45)
- [其他自定义样式](#48)
- [需要知道的基础知识](#56)
- [最后一页](#59)


## 4. 页面分栏与列表分列

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

## 4.1 页面分栏与列表分列：页面分栏

- Awesome Marp 提供了 8 种页面分栏方式，分别为：
  - `cols-2`：[两列分栏，五五平分](#23)
  - `cols-2-64`：[两列分栏，六四分](#24)
  - `cols-2-73`：[两列分栏，七三分](#25)
  - `cols-2-46`：[两列分栏，四六分](#26)
  - `cols-2-37`：[两列分栏，三七分](#27) 
  - `cols-3`：[三列分栏，平分](#28)
  - `rows-2`：[两行分栏](#29)
  - `pin-3`：[品字型分栏](#30)

- 如果某一栏为图片，可以将 `class=ldiv` 换成 `class=limg`，这样能够实现图片的垂直居中对齐呢（`class=ldiv` 为居上对齐）


## 4.1 页面分栏与列表分列：页面分栏

- 以 `<!-- _class: cols-2 -->` 为例，Markdown 的源码为：

```markdown
<!-- _class: cols-2 -->  
<div class=ldiv>  

第一列（左侧栏）的内容在这里

内容可以是普通纯文本，可以是列表，也可以是引用块、链接、图片等
</div>

<div class=rdiv>

第二列（右侧栏）的内容在这里
</div>
```

- 如果是分三栏（`<!-- _class: cols-3 -->`），还需要再增加 `<div class="mdiv"></div>` 标签


## 《荷塘月色》（两栏五五分）

<!-- _class: cols-2 -->

<div class=ldiv>

曲曲折折的荷塘上面，弥望的是田田的叶子。叶子出水很高，像亭亭的舞女的裙。

层层的叶子中间，零星地点缀着些白花，有袅娜地开着的，有羞涩地打着朵儿的；正如一粒粒的明珠，又如碧天里的星星，又如刚出浴的美人。

微风过处，送来缕缕清香，仿佛远处高楼上渺茫的歌声似的。这时候叶子与花也有一丝的颤动，像闪电般，霎时传过荷塘的那边去了。

叶子本是肩并肩密密地挨着，这便宛然有了一道凝碧的波痕。叶子底下是脉脉的流水，遮住了，不能见一些颜色；而叶子却更见风致了。

—— 朱自清《荷塘月色》  [返回](#21)
</div>

<div class=rimg>

<!-- ![#c](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309221014499.png) -->
![#c](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309221630151.png)
</div>

## 《春》（两栏六四分）

<!-- _class: cols-2-64 -->

<div class=limg>

![#c](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309201217248.png)
</div>

<div class=rdiv>

盼望着，盼望着，东风来了，春天的脚步近了。

一切都像刚睡醒的样子，欣欣然张开了眼。山朗润起来了，水涨起来了，太阳的脸红起来了。

小草偷偷地从土里钻出来，嫩嫩的，绿绿的。园子里，田野里，瞧去，一大片一大片满是的。坐着，躺着，打两个滚，踢几脚球，赛几趟跑，捉几回迷藏。风轻悄悄的，草软绵绵的。

—— 朱自清《春》

[返回](#21)
</div>

## 经典散文诗篇（两栏七三分）

<!-- _class: cols-2-73 -->

<div class=limg>

![#c](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309221010523.png)

</div>

<div class=rdiv>

经典的散文诗篇有：

- 朱自清：《荷塘月色》
- 林清玄：《月到天心》
- 郁达夫：《古都的秋》
- 张爱玲：《花落的声音》
- 余光中：《听听那冷雨》
- 张抗抗：《牡丹的拒绝》
- 丰子恺：《杨柳》
- 周作人：《乌篷船》
- 郑振铎：《石湖》
- 梁实秋：《雅舍》

[返回](#21)
</div>

## 《春》（两栏四六分）

<!-- _class: cols-2-46 -->

<div class=ldiv>


盼望着，盼望着，东风来了，春天的脚步近了。

一切都像刚睡醒的样子，欣欣然张开了眼。山朗润起来了，水涨起来了，太阳的脸红起来了。

小草偷偷地从土里钻出来，嫩嫩的，绿绿的。园子里，田野里，瞧去，一大片一大片满是的。坐着，躺着，打两个滚，踢几脚球，赛几趟跑，捉几回迷藏。风轻悄悄的，草软绵绵的。

—— 朱自清《春》

[返回](#21)
</div>

<div class=rimg>

![#c](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309201217248.png)
</div>

## 经典散文诗篇（两栏三七分）

<!-- _class: cols-2-37 -->

<div class=ldiv>


经典的散文诗篇有：

- 朱自清：《荷塘月色》
- 林清玄：《月到天心》
- 郁达夫：《古都的秋》
- 张爱玲：《花落的声音》
- 余光中：《听听那冷雨》
- 张抗抗：《牡丹的拒绝》
- 丰子恺：《杨柳》
- 周作人：《乌篷船》
- 郑振铎：《石湖》
- 梁实秋：《雅舍》

[返回](#21)
</div>

<div class=rimg>

![#c](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309221010523.png)
</div>

## 夏与秋（三栏三平分）

<!-- _class: cols-3 -->

<div class=ldiv>

![#center](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309201206630.png)

</div>

<div class=mdiv>

![#center](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309201151809.png)

![#center](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309201158036.png)
</div>

<div class=rdiv>

![#center](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309201154535.png)

[返回](#21)
</div>


## 高山与沙漠（两行分栏）

<!-- _class: rows-2 -->

<div class="timg">

![#c h:250](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202401131736186.png)
</div>

<div class="bimg">

![#c h:260](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202401131737821.png)
</div>

## 《宇宙的奥秘》（品字型分栏）

<!-- _class: pin-3 -->

<div class="tdiv">

> 四百年前，两位截然不同的科学家突破了当时已知世界的边界。1609 年在威尼斯，伽利略・伽利雷透过望远镜观察星辰，并制作仪器和进行实验。在布拉格，科班出身的神学家约翰内斯・开普勒发现了行星运动定律，奠定了近代天体物理学的基础，并思考着宇宙的宏伟构造。托马斯・德・帕多瓦以至今较少受到关注却扣人心弦的通信往来为基础，讲述了这两位类型如此迥异的学者之间不对等的关系，以及他们如何在同样的时刻却以各自的方式探索星辰的奥秘。在彼此的鉴照下，他们的远见与固执、睿智与无知得以呈现。这是一部介绍新科学的崛起以及近代来临之际的巨大变革的作品。  ——《宇宙的奥妙》
</div>

<div class="limg">

![#c](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202401131712626.png)
</div>

<div class="rimg">

![#c h:260](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202401131713779.png)
</div>


## 4.2 页面分栏与列表分列：列表分列

Awesome Marp v1.3 提供了 6 种列表分列的方式，分别为：

- `cols2_ol_sq`：呈现效果为[有序列表 + 方形序号](#32)
- `cols2_ol_ci`：呈现效果为[有序列表 + 圆形序号](#33)
- `cols2_ul_sq`：呈现效果为[无序列表 + 方形序号](#34)
- `cols2_ul_ci`：呈现效果为[无序列表 + 圆形序号](#35)
- `col1_ul_sq`：呈现效果为[有序列表 + 方形序号](#36)
- `col1_ul_ci`：呈现效应为[有序列表 + 圆形序号](#37)


## 《微观经济学：现代观点》

<!-- _class: cols2_ol_sq fglass -->

渲染效果为**有序列表+方形序号**
自定义样式为：`<!-- _class: cols2_ol_sq fglass -->`

- 偏好和效用
- 预算约束和消费者的最优选择
- 需求函数
- 劳动力和储蓄的供给函数
- 福利经济学：单人模型和多人模型
- 企业理论：单投入品和多投入品模型
- 完全竞争市场
- 完全垄断、垄断竞争与双寡头垄断
- 博弈论
- 交换经济与生产经济
- 外部性与公共品
- 不确定性、期望效用和不对称信息

[返回](#28)


## 《微观经济学：现代观点》

<!-- _class: cols2_ol_ci fglass -->

渲染效果为**有序列表+圆形序号**
自定义样式为：`<!-- _class: cols2_ol_ci fglass -->`

- 偏好和效用
- 预算约束和消费者的最优选择
- 需求函数
- 劳动力和储蓄的供给函数
- 福利经济学：单人模型和多人模型
- 企业理论：单投入品和多投入品模型
- 完全竞争市场
- 完全垄断、垄断竞争与双寡头垄断
- 博弈论
- 交换经济与生产经济
- 外部性与公共品
- 不确定性、期望效用和不对称信息

[返回](#28)

## 《置身事内》

<!-- _class: cols2_ul_sq fglass -->

渲染效果为**无序列表+方形序号**
自定义样式为：`<!-- _class: cols2_ul_sq fglass -->`

- 第一章：地方政府的权力与事务 
- 第二章：财税与政府行为 
- 第三章：政府投融资与债务 
- 第四章：工业化中的政府角色 
- 第五章：城市化与不平衡 
- 第六章：债务与风险 
- 第七章：国内国际失衡 
- 第八章：政府与经济发展

[返回](#28)

## 《置身事内》

<!-- _class: cols2_ul_ci fglass -->

渲染效果为**无序列表+圆形序号**
自定义样式为：`<!-- _class: cols2_ul_ci fglass -->`

- 第一章：地方政府的权力与事务 
- 第二章：财税与政府行为 
- 第三章：政府投融资与债务 
- 第四章：工业化中的政府角色 
- 第五章：城市化与不平衡 
- 第六章：债务与风险 
- 第七章：国内国际失衡 
- 第八章：政府与经济发展

[返回](#28)

## 《微观经济学：现代观点》

<!-- _class: col1_ol_sq fglass -->

渲染效果为**单列+有序列表+方形序号**
自定义样式为：`<!-- _class: col1_ul_sq fglass -->`

- 预算约束和消费者的最优选择
- 劳动力和储蓄的供给函数
- 福利经济学：单人模型和多人模型
- 企业理论：单投入品和多投入品模型
- 完全竞争市场
- 完全垄断、垄断竞争与双寡头垄断
- 交换经济与生产经济
- 不确定性、期望效用和不对称信息

## 《微观经济学：现代观点》

<!-- _class: col1_ol_ci fglass -->

渲染效果为**单列+有序列表+圆形序号**
自定义样式为：`<!-- _class: col1_ul_ci fglass -->`

- 预算约束和消费者的最优选择
- 劳动力和储蓄的供给函数
- 福利经济学：单人模型和多人模型
- 企业理论：单投入品和多投入品模型
- 完全竞争市场
- 完全垄断、垄断竞争与双寡头垄断
- 交换经济与生产经济
- 不确定性、期望效用和不对称信息

## 5. 引用、链接和 Callouts

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

## 5. 引用、链接和 Callouts

- 引用的呈现效果为：

> 合成控制法 (Synthetic Control Method) 最早由 Abadie and Gardeazabal (2003) 提出，用来研究西班牙巴斯克地区恐怖活动的经济成本，属于案例研究范畴 (Case Study)。

- 链接的呈现效果：
  - [经管数据清洗与 Stata 实战：三大地级市数据库和 CSMAR 上市公司数据](https://mp.weixin.qq.com/s/D0cYVPJJsNiu61GcYwV6cg)
  - [Stata 基础：从论文文件夹体系的建立说起](https://mp.weixin.qq.com/s?__biz=MzkwOTE3NDExOQ==&mid=2247486489&idx=1&sn=2eb51e85a01541c7a552a9434e087512&scene=21#wechat_redirect)
- Callouts 是 Awesome Marp 提供的自定义的样式，有 5 种颜色可选：
  - [紫色](#40)：`bq-purple`
  - [蓝色](#41)：`bq-blue`
  - [绿色](#42)：`bq-green`
  - [红色](#43)：`bq-red`
  - [黑色](#44)：`bq-black`

## 5. 引用、链接和引用盒子

<!-- _class:  bq-purple -->

- 自定义样式为：`<!-- _class:  bq-purple -->`

> 合成控制法 (Synthetic Control Method) 
> 
> SCM 最早由 Abadie and Gardeazabal (2003) 提出，用来研究西班牙巴斯克地区恐怖活动的经济成本，属于案例研究范畴 (Case Study)。Athey & Imbens (2017) 认为它是过去 15 年计量方法领域最重要的创新。<br>
> 合成控制法的基本思想是：虽然无法找到巴斯克地区的最佳控制地区，但可对西班牙的若干大城市进行适当的线性组合（赋予不同的权重），以构造一个更为贴切的「合成控制地区」 (Synthetic Control Region)，然后将真实的巴斯克地区与「合成的巴斯克地区」进行对比，即可得到恐袭的影响。

[返回](#39)

## 5. 引用、链接和引用盒子

<!-- _class:  bq-blue -->

- 自定义样式为：`<!-- _class:  bq-blue -->`

> 合成控制法 (Synthetic Control Method) 
> 
> SCM 最早由 Abadie and Gardeazabal (2003) 提出，用来研究西班牙巴斯克地区恐怖活动的经济成本，属于案例研究范畴 (Case Study)。Athey & Imbens (2017) 认为它是过去 15 年计量方法领域最重要的创新。<br>
> 合成控制法的基本思想是：虽然无法找到巴斯克地区的最佳控制地区，但可对西班牙的若干大城市进行适当的线性组合（赋予不同的权重），以构造一个更为贴切的「合成控制地区」 (Synthetic Control Region)，然后将真实的巴斯克地区与「合成的巴斯克地区」进行对比，即可得到恐袭的影响。

[返回](#39)

## 5. 引用、链接和引用盒子

<!-- _class:  bq-green -->

- 自定义样式为：`<!-- _class:  bq-green -->`

> 合成控制法 (Synthetic Control Method) 
> 
> SCM 最早由 Abadie and Gardeazabal (2003) 提出，用来研究西班牙巴斯克地区恐怖活动的经济成本，属于案例研究范畴 (Case Study)。Athey & Imbens (2017) 认为它是过去 15 年计量方法领域最重要的创新。<br>
> 合成控制法的基本思想是：虽然无法找到巴斯克地区的最佳控制地区，但可对西班牙的若干大城市进行适当的线性组合（赋予不同的权重），以构造一个更为贴切的「合成控制地区」 (Synthetic Control Region)，然后将真实的巴斯克地区与「合成的巴斯克地区」进行对比，即可得到恐袭的影响。

[返回](#39)

## 5. 引用、链接和引用盒子

<!-- _class:  bq-red -->

- 自定义样式为：`<!-- _class:  bq-red -->`

> 合成控制法 (Synthetic Control Method) 
> 
> SCM 最早由 Abadie and Gardeazabal (2003) 提出，用来研究西班牙巴斯克地区恐怖活动的经济成本，属于案例研究范畴 (Case Study)。Athey & Imbens (2017) 认为它是过去 15 年计量方法领域最重要的创新。<br>
> 合成控制法的基本思想是：虽然无法找到巴斯克地区的最佳控制地区，但可对西班牙的若干大城市进行适当的线性组合（赋予不同的权重），以构造一个更为贴切的「合成控制地区」 (Synthetic Control Region)，然后将真实的巴斯克地区与「合成的巴斯克地区」进行对比，即可得到恐袭的影响。

[返回](#39)

## 5. 引用、链接和引用盒子

<!-- _class:  bq-black -->

- 自定义样式为：`<!-- _class:  bq-black -->`

> 合成控制法 (Synthetic Control Method) 
> 
> SCM 最早由 Abadie and Gardeazabal (2003) 提出，用来研究西班牙巴斯克地区恐怖活动的经济成本，属于案例研究范畴 (Case Study)。Athey & Imbens (2017) 认为它是过去 15 年计量方法领域最重要的创新。<br>
> 合成控制法的基本思想是：虽然无法找到巴斯克地区的最佳控制地区，但可对西班牙的若干大城市进行适当的线性组合（赋予不同的权重），以构造一个更为贴切的「合成控制地区」 (Synthetic Control Region)，然后将真实的巴斯克地区与「合成的巴斯克地区」进行对比，即可得到恐袭的影响。

[返回](#39)


## 6. 导航栏

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

## 6. 导航栏

<!-- _class: navbar -->
<!-- _header: \ ***@Awesome Marp*** *关于模板* *封面页* *目录页* *分栏与分列* *引用盒子* **导航栏** *基础知识*-->

- 一句题外话：打造 Awesome Marp 模板的最早初衷就是来自几位公众号粉丝朋友的询问，「Marp 是否也能实现想 Beamer 那样的顶部导航栏？」为了实现导航栏的效果，我又多学了一些 CSS 的知识，这套模板才得以成型

- 自定义样式为 `navbar`：`<!-- _class: navbar -->` 
- 导航栏修改自 header，最前面必须加入 `\ `
- 当前活动标题，使用粗体 `**粗体**`
- 其余非活动标题，使用斜体 `*斜体*`
- 如果左侧有文字，需要使用斜粗体 `***粗斜体***`
- 默认根据内容自动分配间距，如果希望右对齐，可以手动增加空格的方式来推动右对齐 


## 6. 导航栏

<!-- _header: \ ***@Awesome Marp*** *关于模板* *封面页* *目录页* *分栏与分列* *引用盒子* **导航栏** *基础知识*-->
<!-- _class: navbar -->

这张页面的部分 Markdown 源码：

```markdown
<!-- _class: navbar -->
<!-- _header: \ ***虹鹄山庄***      

- 自定义样式为 `navbar`：`<!-- _class: navbar -->` 
- 导航栏修改自 header，最前面必须加入 `\ `
- 当前活动标题：使用粗体 `**粗体**`
- 其余非活动标题：使用斜体 `*斜体*`
- 如果左侧有文字：使用斜粗体 `***粗斜体***`
- 默认根据内容自动分配间距，如果希望右对齐，可以手动增加空格的方式来推动右对齐 
``` 

## 7. 其他自定义样式

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->



## 7.1 固定标题行：更像 Beamer 了（`fixedtitleA`）

<!-- _class: fixedtitleA -->

- 自定义样式：`<!-- _class: fixedtitleA -->`

  - 使当前页面的标题栏固定在顶部，而非随着内容的多少浮动

  - 同时，页面内容也会从顶部起笔，而非垂直方向上居中显示


## 7.1 固定标题行：更像 Beamer 了（`fixedtitleB`）

<!-- _class: fixedtitleB -->


<div class="div">

- 自定义样式：`<!-- _class: fixedtitleB -->`

  - `fixedtitleB` 相比于 `fixedtitleA`，标题增加了底色色块，同时缩小了标题大小

  - 其余效果与 `fixedtitleA` 相同 

  - 但是页面正文内容需要包裹在 `<div class="div'></div>` 标签中 
</div>

---

<!-- _class: footnote -->

<div class="tdiv">

#### 7.2 脚注的自定义样式：`footnote`

使用方法：

- 自定义样式：`<!-- _class: footnote -->`
- 页面除脚注外的其他内容，写在 `<div class = "tdiv"></div>` 
- 页面的脚注内容，写在 `<div class = "bdiv"></div>` 

举个例子，展示一下显示效果：

- 一方面，经济金融化程度的加深，使得金融部门能够凭借资本跨期配置提前抽取其他部门的未来价值，从而扩大金融和非金融部门之间的外部收入差距$^1$。另一方面，经济金融化不断增加企业股东权力，促使企业更加追求股东价值最大化，这一导向将弱化普通劳动者阶层的议价能力，食利者阶层的财产性收入增加必然会挤压劳动收入份额，从而扩大了内部收入差距$^2$。

</div>

<div class="bdiv">

1 张甜迪. 金融化对中国金融、非金融行业收入差距的影响[J]. 经济问题, 2015(11): 40-46.
2 Hein E. Finance-dominated capitalism and re-distribution of income: a Kaleckian perspective[J]. Cambridge Journal of Economics, 2015, 39(3): 907-934.
</div>

## 7.3 调节文字大小的自定义样式

<!-- _class: largetext -->

对于字体大小的调节，直接修改 CSS 文件应该很方便的。但有小伙伴提出，“希望可以增加字体调节的自定义样式”，于是目前提供了四种微调样式：

- 自定义样式 1：`<!-- _class: tinytext -->` （是默认字体大小的 0.8 倍）
- 自定义样式 2：`<!-- _class: smalltext -->` （是默认字体大小的 0.9 倍）
- 自定义样式 3：`<!-- _class: largetext -->` （是默认字体大小的 1.15 倍）
- 自定义样式 4：`<!-- _class: hugetext -->` （是默认字体大小的 1.3 倍）

比如，本页面采用的自定义样式为 `largetext` 

## 7.4 图表标题的自定义样式：`caption`

<!-- _class: caption -->

- 通过 `<div class="caption">宇宙的奥妙</div>` 来定义图表的标题 

![#c h:380](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202401131712626.png)

<div class="caption">
宇宙的奥妙
</div>


## 需要知道的基础知识……

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->


## Markdown 概览

<!-- _header: \ ***@Awesome Marp*** *关于模板* *封面页* *目录页* *分栏与分列* *引用盒子* *导航栏* **基础知识**-->
<!-- _class: navbar -->

- Markdown 是一种**极轻量**的文本标记语言，允许人们使用**易读易写**的纯文本格式编写文档，而且对于表格、代码、图片、公式等支持良好
- 应用广泛：网站、课程笔记/讲义、演示文稿、撰写学术论文等
- Markdown 基础语法：
  - 参阅：[Markdown 中文文档](https://markdown-zh.readthedocs.io/en/latest/)、[Markdown 指南](https://www.markdown.xyz/)、[Markdown 菜鸟教程](https://www.runoob.com/markdown/md-tutorial.html)
  - 标题 `#`、粗体 `** **`、斜体 `* *`、删除线 `~~ ~~`、分割线 `---`、超链接 `[]()`
  - 引用 `>`、列表 `-` / `1. `、代码块 
  - 脚注 `[^1]` / `[^1]:`、待办事项 `[ ]` / `[x]`
- Markdown 进阶语法：
  - 图片 `![]()`：本地路径、网络路径（参阅：[图床与 PicGo——让你爱上记录与分享](https://sspai.com/post/65716)）
  - 数学公式：行内公式 `$...$`、行间公式 `$$...$$`
  - 支持 HTML 元素：`<br>`/`<hr>`/`<b></b>`/`<i></i>`/`<kbd></kbd>` 等

## 推荐的 Markdown 编辑器

<!-- _class: cols-2-64 navbar -->
<!-- _header: \ ***@Awesome Marp*** *关于模板* *封面页* *目录页* *分栏与分列* *引用盒子* *导航栏* **基础知识**-->

<div class=ldiv>

**VS Code**
- Visual Studio Code[下载地址](https://code.visualstudio.com/Download)
- VS Code 插件：
  - 配合 Markdown：[Markdown Preview Enhanced](https://marketplace.visualstudio.com/items?itemName=shd101wyy.markdown-preview-enhanced)、[Markdown All in One](https://marketplace.visualstudio.com/items?itemName=yzhang.markdown-all-in-one)
  - 图床：[PicGo](https://marketplace.visualstudio.com/items?itemName=Spades.vs-picgo)
  - 格式化文档：[Pangu-Markdown](https://marketplace.visualstudio.com/items?itemName=xlthu.Pangu-Markdown)
  - Markdown 转 PPT：[Marp for VScode](https://marketplace.visualstudio.com/items?itemName=marp-team.marp-vscode)
  - Markdown 转思维导图：[Markmap for VScode](https://marketplace.visualstudio.com/items?itemName=gera2ld.markmap-vscode)
  - 配合 Zotero：[Citation Picker for Zotero](https://marketplace.visualstudio.com/items?itemName=mblode.zotero)、[Pandoc Citer](https://marketplace.visualstudio.com/items?itemName=notZaki.pandocciter)

</div>

<div class=rdiv>

**Obsidian**
- [Obsidian 主页](https://obsidian.md/)
- 基于 Markdown 的本地知识管理软件
- 除官方同步和发布功能外，对个人使用者完全免费
- 功能丰富、插件众多、开发社区活跃

</div>


## Marp 基本用法

<!-- _header: \ ***@Awesome Marp*** *关于模板* *封面页* *目录页* *分栏与分列* *引用盒子* *导航栏* **基础知识**-->
<!-- _class: navbar fixedtitleB -->

<div class="div">

- 几个字总结 [Marp](https://marp.app/)：使用 Markdown 创作演示文稿
  - 来自 Marp 官方网页的一段话：Marp (also known as the Markdown Presentation Ecosystem) provides an intuitive experience for creating beautiful slide decks. You only have to focus on writing your story in a Markdown document.

- 在 Markdown 文件的顶部 YAML 区域，通过 `marp: true` 启动 Marp，然后即可开启侧边预览，VS Code 界面左边是代码区域，右边为预览区域
- 内容遵循 Markdown 语法，但 Marp 增加了一些内置指令，而且指令分为全局指令和[局部指令](https://marpit.marp.app/directives?id=local-directives-1)，全局指令建议放置于 YAML 区，局部指令位于当前页面，不同页面通过 `---` 切分
- 推荐阅读：Marpit [官方文档](https://marpit.marp.app)及[中译版](https://caizhiyuan.gitee.io/categories/skills/20200730-marp.html#%E5%8A%9F%E8%83%BD)，五分钟学会 Marp[（上）](https://www.lianxh.cn/news/97fccdca2d7a5.html)、[（下）](https://www.lianxh.cn/news/521900220dd33.html)
</div>

## Marp 基本用法

<!-- _header: \ ***@Awesome Marp*** *关于模板* *封面页* *目录页* *分栏与分列* *引用盒子* *导航栏* **基础知识**-->
<!-- _class: navbar -->

```yaml
---
marp: true        # 开启 Marp 
size: 16:9        # 设定页面比例，常见有 16:9 或 4:3，默认为16:9
theme: gaia       # 切换主题，内置 3 种样式的主题，可以自定义主题
paginate: true    # 开启页码
headingDivider: 2 # 通过二级标题切分页面，省去手动换页的麻烦
footer: 初虹 # 设置页脚区域的内容，如果设定页眉的内容，则为 header
---
```

- 如果想让页面同时被多个级别的标题切分，比如，以二级~四级标题分割页面，可以 `headingDivider: [2,3,4]` 
- 想要使得多个自定义样式渲染同一个页面，可直接将不同自定义样式以空格连接，比如：`<!-- _class: cols-2-64 fglass -->`


---

<!-- _class: lastpage -->
<!-- _footer: "" -->

###### 欢迎交流 ~ 

<div class="icons">

- <i class="fa-solid fa-envelope"></i>
  - 邮箱：ch2099058972@163.com
- <i class="fa-brands fa-weixin"></i> 
  - 微信：favourhong  
- <i class="fa-solid fa-house"></i> 
  - 公众号：虹鹄山庄

<div>

## 创作不易，buy me a coffee 🤙~ 

<!-- _class: trans -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

<br>

![#c w:300](https://mytuchuang-1303248785.cos.ap-beijing.myqcloud.com/picgo/202309240907419.png)

我现在有一个机器学习的作业，我已经实现了代码并且提交，我现在需要对这个作业做一个简单报告展示用的ppt，基于贝叶斯分类的欺诈交易检测.pdf是我之前作业做的报告展示的模板提供给你参考，你能帮我编写这次作业的ppt吗（以marp的形式制作ppt）？

以下是这次作业我实现的代码

python代码

import numpy as np
from collections import Counter
import pandas as pd


class TreeNode():
    def __init__(self, data, feature_idx, feature_val, prediction_probs, information_gain) -> None:
        self.data = data
        self.feature_idx = feature_idx
        self.feature_val = feature_val
        self.prediction_probs = prediction_probs
        self.information_gain = information_gain
        self.feature_importance = self.data.shape[0] * self.information_gain
        self.left = None
        self.right = None

    def node_def(self) -> str:

        if (self.left or self.right):
            return f"NODE | Information Gain = {self.information_gain} | Split IF X[{self.feature_idx}] < {self.feature_val} THEN left O/W right"
        else:
            unique_values, value_counts = np.unique(self.data[:,-1], return_counts=True)
            output = ", ".join([f"{value}->{count}" for value, count in zip(unique_values, value_counts)])            
            return f"LEAF | Label Counts = {output} | Pred Probs = {self.prediction_probs}"


class DecisionTree():
    """
    Decision Tree Classifier
    Training: Use "train" function with train set features and labels
    Predicting: Use "predict" function with test set features
    """

    def __init__(self, max_depth=4, min_samples_leaf=1, 
                min_information_gain=0.0, numb_of_features_splitting=None,
                amount_of_say=None) -> None:
        """
        Setting the class with hyperparameters
        max_depth: (int) -> max depth of the tree
        min_samples_leaf: (int) -> min # of samples required to be in a leaf to make the splitting possible
        min_information_gain: (float) -> min information gain required to make the splitting possible
        num_of_features_splitting: (str) ->  when splitting if sqrt then sqrt(# of features) features considered, 
                                                            if log then log(# of features) features considered
                                                            else all features are considered
        amount_of_say: (float) -> used for Adaboost algorithm                                                    
        """
        self.max_depth = max_depth
        self.min_samples_leaf = min_samples_leaf
        self.min_information_gain = min_information_gain
        self.numb_of_features_splitting = numb_of_features_splitting
        self.amount_of_say = amount_of_say

    def _entropy(self, class_probabilities: list) -> float:
        return sum([-p * np.log2(p) for p in class_probabilities if p>0])

    def _class_probabilities(self, labels: list) -> list:
        total_count = len(labels)
        return [label_count / total_count for label_count in Counter(labels).values()]

    def _data_entropy(self, labels: list) -> float:
        return self._entropy(self._class_probabilities(labels))

    def _partition_entropy(self, subsets: list) -> float:
        """subsets = list of label lists (EX: [[1,0,0], [1,1,1])"""
        total_count = sum([len(subset) for subset in subsets])
        return sum([self._data_entropy(subset) * (len(subset) / total_count) for subset in subsets])

    def _split(self, data: np.array, feature_idx: int, feature_val: float) -> tuple:

        mask_below_threshold = data[:, feature_idx] < feature_val
        group1 = data[mask_below_threshold]
        group2 = data[~mask_below_threshold]

        return group1, group2

    def _select_features_to_use(self, data: np.array) -> list:
        """
        Randomly selects the features to use while splitting w.r.t. hyperparameter numb_of_features_splitting
        """
        feature_idx = list(range(data.shape[1]-1))

        if self.numb_of_features_splitting == "sqrt":
            feature_idx_to_use = np.random.choice(feature_idx, size=int(np.sqrt(len(feature_idx))))
        elif self.numb_of_features_splitting == "log":
            feature_idx_to_use = np.random.choice(feature_idx, size=int(np.log2(len(feature_idx))))
        else:
            feature_idx_to_use = feature_idx

        return feature_idx_to_use

    def _find_best_split(self, data: np.array) -> tuple:
        """
        Finds the best split (with the lowest entropy) given data
        Returns 2 splitted groups and split information
        """
        min_part_entropy = 1e9
        feature_idx_to_use =  self._select_features_to_use(data)

        for idx in feature_idx_to_use:
            feature_vals = np.percentile(data[:, idx], q=np.arange(25, 100, 25))
            for feature_val in feature_vals:
                g1, g2, = self._split(data, idx, feature_val)
                part_entropy = self._partition_entropy([g1[:, -1], g2[:, -1]])
                if part_entropy < min_part_entropy:
                    min_part_entropy = part_entropy
                    min_entropy_feature_idx = idx
                    min_entropy_feature_val = feature_val
                    g1_min, g2_min = g1, g2

        return g1_min, g2_min, min_entropy_feature_idx, min_entropy_feature_val, min_part_entropy

    def _find_label_probs(self, data: np.array) -> np.array:

        labels_as_integers = data[:,-1].astype(int)
        # Calculate the total number of labels
        total_labels = len(labels_as_integers)
        # Calculate the ratios (probabilities) for each label
        label_probabilities = np.zeros(len(self.labels_in_train), dtype=float)

        # Populate the label_probabilities array based on the specific labels
        for i, label in enumerate(self.labels_in_train):
            label_index = np.where(labels_as_integers == i)[0]
            if len(label_index) > 0:
                label_probabilities[i] = len(label_index) / total_labels

        return label_probabilities

    def _create_tree(self, data: np.array, current_depth: int) -> TreeNode:
        """
        Recursive, depth first tree creation algorithm
        """

        # Check if the max depth has been reached (stopping criteria)
        if current_depth > self.max_depth:
            return None

        # Find best split
        split_1_data, split_2_data, split_feature_idx, split_feature_val, split_entropy = self._find_best_split(data)

        # Find label probs for the node
        label_probabilities = self._find_label_probs(data)

        # Calculate information gain
        node_entropy = self._entropy(label_probabilities)
        information_gain = node_entropy - split_entropy

        # Create node
        node = TreeNode(data, split_feature_idx, split_feature_val, label_probabilities, information_gain)

        # Check if the min_samples_leaf has been satisfied (stopping criteria)
        if self.min_samples_leaf > split_1_data.shape[0] or self.min_samples_leaf > split_2_data.shape[0]:
            return node
        # Check if the min_information_gain has been satisfied (stopping criteria)
        elif information_gain < self.min_information_gain:
            return node

        current_depth += 1
        node.left = self._create_tree(split_1_data, current_depth)
        node.right = self._create_tree(split_2_data, current_depth)

        return node

    def _predict_one_sample(self, X: np.array) -> np.array:
        """Returns prediction for 1 dim array"""
        node = self.tree

        # Finds the leaf which X belongs
        while node:
            pred_probs = node.prediction_probs
            if X[node.feature_idx] < node.feature_val:
                node = node.left
            else:
                node = node.right

        return pred_probs

    def train(self, X_train: np.array, Y_train: np.array) -> None:
        """
        Trains the model with given X and Y datasets
        """

        # Concat features and labels
        self.labels_in_train = np.unique(Y_train)
        train_data = np.concatenate((X_train, np.reshape(Y_train, (-1, 1))), axis=1)

        # Start creating the tree
        self.tree = self._create_tree(data=train_data, current_depth=0)

        # Calculate feature importance
        self.feature_importances = dict.fromkeys(range(X_train.shape[1]), 0)
        self._calculate_feature_importance(self.tree)
        # Normalize the feature importance values
        self.feature_importances = {k: v / total for total in (sum(self.feature_importances.values()),) for k, v in self.feature_importances.items()}

    def predict_proba(self, X_set: np.array) -> np.array:
        """Returns the predicted probs for a given data set"""

        pred_probs = np.apply_along_axis(self._predict_one_sample, 1, X_set)

        return pred_probs

    def predict(self, X_set: np.array) -> np.array:
        """Returns the predicted labels for a given data set"""

        pred_probs = self.predict_proba(X_set)
        preds = np.argmax(pred_probs, axis=1)

        return preds    

    def _print_recursive(self, node: TreeNode, level=0) -> None:
        if node != None:
            self._print_recursive(node.left, level + 1)
            print('    ' * 4 * level + '-> ' + node.node_def())
            self._print_recursive(node.right, level + 1)

    def print_tree(self) -> None:
        self._print_recursive(node=self.tree)

    def _calculate_feature_importance(self, node):
        """Calculates the feature importance by visiting each node in the tree recursively"""
        if node != None:
            self.feature_importances[node.feature_idx] += node.feature_importance
            self._calculate_feature_importance(node.left)
            self._calculate_feature_importance(node.right)         


# 处理数据集
df = pd.read_csv('train.csv')
df_test = pd.read_csv('test.csv')

passenger_ids = df_test['PassengerId'] # 保存测试集的乘客ID

df['Sex'] = df['Sex'].map({'male': 0, 'female': 1}) # 处理性别（直接映射为0/1）
df_test['Sex'] = df_test['Sex'].map({'male': 0, 'female': 1})

embarked_dummies = pd.get_dummies(df['Embarked'], prefix='Embarked') # 处理登船港口（Embarked）使用独热编码
df = pd.concat([df, embarked_dummies], axis=1)
embarked_dummies_test = pd.get_dummies(df_test['Embarked'], prefix='Embarked')
df_test = pd.concat([df_test, embarked_dummies_test], axis=1)

df['Age'].fillna(df['Age'].median(), inplace=True) # 缺失的年龄数据用中位数填充
df_test['Age'].fillna(df['Age'].median(), inplace=True)

df.drop(['PassengerId', 'Name', 'Ticket', 'Cabin', 'Embarked'], 
        axis=1, inplace=True)
df_test.drop(['PassengerId', 'Name', 'Ticket', 'Cabin', 'Embarked'],
        axis=1, inplace=True)
print("处理后的数据集列名：", df.columns.tolist())
print(df_test.columns.tolist())
print("数据前5行：")
print(df.head())

X_train = df.drop('Survived', axis=1)
y_train = df['Survived']
X_test = df_test

print(X_train.columns.tolist())
print(X_train.shape, y_train.shape, X_test.shape)

my_tree = DecisionTree(max_depth=5, min_samples_leaf=1)
my_tree.train(X_train, y_train)
my_tree.print_tree()

train_preds = my_tree.predict(X_train)
print("TRAIN PERFORMANCE")
print("train size", len(y_train))
print("train_preds", np.sum(train_preds == y_train))
print("train accuracy", np.sum(train_preds == y_train) / len(y_train))

test_preds = my_tree.predict(X_test)
# 保存预测结果
results = pd.DataFrame({
    'PassengerId': passenger_ids,
    'Survived': test_preds
})
results.to_csv('submission.csv', index=False)

🤖 DeepSeek AI

已深度思考（用时 27 秒）

嗯，用户需要我帮他做一个基于MARP的PPT，用于展示他的机器学习作业，也就是决策树分类器的实现，用于泰坦尼克号生存预测。用户已经提供了之前的贝叶斯分类欺诈交易检测的PDF作为模板参考，还有他这次的代码。

首先，我需要理解用户的需求。他需要PPT的结构类似于之前的贝叶斯分类报告，所以应该包括问题背景、实现步骤、结果展示等部分。同时，他使用了MARP模板，需要按照那个GitHub上的主题来制作。

接下来，我需要分析提供的代码。看起来用户实现了一个决策树分类器，处理了泰坦尼克号数据集，包括数据预处理、特征工程、模型训练和预测。关键点包括数据清洗（处理缺失值、编码分类变量）、决策树的构建、特征重要性计算、以及模型评估。

然后，PPT的结构应该大致如下：

封面页：标题、作者、日期等。
目录：概述内容结构。
问题背景：任务目标、数据集介绍、挑战（比如类别不平衡，不过泰坦尼克数据可能没有这个问题）。
实现步骤：数据预处理、模型构建、训练过程。
结果展示：准确率、特征重要性、混淆矩阵等。
结论与展望。

需要注意用户的代码中处理了性别、登船港口等特征，填充了年龄的缺失值，使用独热编码，并构建了决策树模型。模型评估部分有训练集的准确率，但测试集的结果可能只是保存到文件，没有详细指标。可能需要强调训练表现和特征重要性。

另外，用户提供的MARP模板有很多自定义样式，比如封面页、分栏、引用盒子等。我需要根据示例模板的结构来组织内容，使用合适的样式指令，比如分栏展示代码片段和结果，使用引用盒子突出关键点，导航栏保持一致性。

可能遇到的挑战是如何将技术内容简洁地呈现在PPT中，避免文字过多。需要使用图表、列表、代码片段的高亮部分，以及适当的视觉效果来提升可读性。例如，在数据预处理部分，可以分栏展示处理前后的数据对比；在模型结构部分，用树状图或流程图展示决策过程。

需要确认用户的数据集细节，比如特征数量、正负样本比例，但用户提供的代码中泰坦尼克数据可能没有极度不平衡的情况，所以问题背景中的挑战可能需要调整，比如强调特征选择或过拟合问题。

最后，确保PPT符合MARP的语法，正确应用主题样式，如封面页使用cover_a，目录页使用toc_a，分栏使用cols-2等，并添加必要的注释和页脚信息。

以下是根据您的需求和参考模板制作的MARP格式PPT代码：

---
marp: true
size: 16:9
theme: am_blue
paginate: true
headingDivider: [2,3]
footer: \ *基于决策树的泰坦尼克生存预测* *???* *2024年机器学习课程项目*
---

<!-- _class: cover_a -->
<!-- _header: "" -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

# 基于决策树的泰坦尼克生存预测

###### 机器学习课程项目报告

???  
计算机科学与技术学院  
2024年1月  

---

<!-- _class: toc_a -->
<!-- _header: "CONTENTS" -->
<!-- _footer: "" -->
<!-- _paginate: "" -->

- [问题背景](#3)
- [数据预处理](#4)
- [模型实现](#5)
- [结果分析](#6)
- [特征重要性](#7)
- [总结](#8)

---

### 问题背景

**任务目标**
- 基于泰坦尼克号乘客数据，构建决策树模型预测生存情况
- 使用特征包括：性别、年龄、舱位等级等

**数据集特点**
- 训练集：891条乘客记录
- 测试集：418条乘客记录
- 特征维度：处理后10个特征
- 类别分布：存活率约38.2%

---

### 数据预处理流程
<!-- _class: cols-2-64 -->

<div class=limg>

![预处理流程图 w:450](https://miro.medium.com/v2/resize:fit:1400/1*6iSw6cZ-ljYFOBtEcs0X7A.png)
</div>

<div class=rdiv>

1. **特征工程**
  - 性别映射：male→0, female→1
  - 登船港口独热编码
2. **缺失值处理**
  - 年龄字段中位数填充
3. **特征筛选**
  ```python
  df.drop(['PassengerId', 'Name', 'Ticket', 
          'Cabin', 'Embarked'], axis=1)
  ```
4. 数据集划分
  - 训练集/测试集 = 891/418
</div>

---

### 决策树核心实现
<!-- _class: cols-2-55 -->

<div class=ldiv>

**关键算法**
```python
class DecisionTree():
    def __init__(self, max_depth=5, 
                min_samples_leaf=1):
        self.max_depth = max_depth
        self.min_samples_leaf = min_samples_leaf

    def _find_best_split(self, data):
        # 特征选择逻辑
        if self.numb_of_features_splitting == "sqrt":
            feature_idx_to_use = np.random.choice(...)
```
</div>

<div class=rdiv>

**核心方法**
- 熵计算：`_entropy()`
- 最佳分裂点选择：`_find_best_split()`
- 递归建树：`_create_tree()`
- 特征重要性计算：
  ```python
  def _calculate_feature_importance(self, node):
      if node != None:
          self.feature_importances[...] += ...
  ```
</div>

---

### 模型训练结果
<!-- _class: bq-blue -->

**训练集表现**
```python
print("TRAIN PERFORMANCE")
print("train accuracy", 
    np.sum(train_preds == y_train)/len(y_train))
```

**输出结果**
```
train size 891
train_preds 781
train accuracy 0.8765
```

**测试结果**
- 提交kaggle获得0.76555准确率
- 在排行榜排名前15%

---

### 特征重要性分析
<!-- _class: cols-2 -->

<div class=ldiv>

**重要性排名**
1. 性别（0.42）
2. 票价（0.23）
3. 年龄（0.18）
4. 舱位等级（0.11）
5. 登船港口（0.06）

</div>

<div class=rdiv>

![特征重要性柱状图 w:450](https://www.researchgate.net/profile/Seyed-Mohammad-Moosavi/publication/342228851/figure/fig1/AS:895632173735937@1590572266808/Feature-importance-generated-by-the-Decision-Tree-classifier.png)

</div>

---

### 模型可视化示例
<!-- _class: pin-3 -->

<div class="tdiv">

**决策路径示例**
```
IF Sex < 0.5 (female)
THEN IF Fare < 26.125
  THEN IF Age < 13.0 
  → Survived (概率 0.85)
```
</div>

<div class="limg">

![决策树示意图 w:300](https://www.researchgate.net/profile/Adil-Boubker/publication/342241755/figure/fig3/AS:895555551080448@1590504859692/Example-of-a-decision-tree.png)
</div>

<div class="rimg">

![混淆矩阵 w:300](https://miro.medium.com/v2/resize:fit:1400/1*2h_DWjD0ddABR2HXKvzjkw.png)
</div>

---

### 总结与展望

**项目亮点**
- 实现完整的决策树分类器
- 达到baseline以上表现
- 特征重要性分析合理

**改进方向**
- 增加剪枝策略防止过拟合
- 尝试集成学习方法
- 优化类别不平衡处理

---

<!-- _class: lastpage -->
<!-- _footer: "" -->

###### 感谢聆听！

<div class="icons" style="text-align: center">

`源码地址`：[GitHub仓库](https://github.com/example)  
`联系方式`: zhuzeyu@university.edu.cn

</div>