#注意，如果代碼有缺失值，請先將缺失值使用NA填充，代碼只識別NA為缺失值。
#輸入數(shù)據(jù)集保持csv格式

import?pandas?as?pd
import?numpy?as?np
import?os
import?os.path
import?matplotlib?as?mpl
import?matplotlib.pyplot?as?plt
from?sklearn.model_selection?import?cross_val_score
from?sklearn.model_selection?import?StratifiedKFold
import?seaborn?as?sns
import?missingno?as?msno
from?sklearn.decomposition?import?PCA
from?sklearn?import?preprocessing
from?sklearn.cluster?import?KMeans
from?sklearn.ensemble?import?RandomForestClassifier
from?sklearn.naive_bayes?import?MultinomialNB
from?sklearn.tree?import?DecisionTreeClassifier
from?sklearn.neighbors?import?KNeighborsClassifier
from?sklearn.neural_network?import?MLPClassifier
from?sklearn.svm?import?SVC

rf?=?RandomForestClassifier（bootstrap=True?class_weight=None?criterion=‘gini‘
????????????max_depth=30?max_features=‘a(chǎn)uto‘?max_leaf_nodes=None
????????????min_impurity_decrease=0.0?min_impurity_split=None
????????????min_samples_leaf=1?min_samples_split=6
????????????min_weight_fraction_leaf=0.0?n_estimators=400?n_jobs=None
????????????oob_score=False?random_state=42?verbose=0
????????????warm_start=False）
NB?=?MultinomialNB（alpha=1.0?class_prior=None?fit_prior=True）
tree?=?DecisionTreeClassifier（max_depth=30）
Knn?=?KNeighborsClassifier（）
svc?=?SVC（gamma=‘a(chǎn)uto‘kernel=‘linear‘）
mlp?=?MLPClassifier（solver=‘lbfgs‘?alpha=1e-5hidden_layer_sizes=（5?5）?random_state=1）
def?plot_make（datasetname）:
????ds_corr?=?dataset.corr（method=‘pearson‘?min_periods=1）
????f?ax?=?plt.subplots（figsize=（14?10））
????sns.heatmap（ds_corr?cmap=‘RdBu‘?linewidths=0.05?ax=ax）
????ax.set_title（‘Correlation?between?features?in?‘?+?name）
????f.savefig（name?+?‘.png‘?dpi=100?bbox_inches=‘tight‘）
def?Noise_found（datasetname）:
????dataset?=?np.array（dataset）
????X?=?np.delete（dataset?-1?axis=1）
????#?#y?=?dataset[:?-1]
????for?i?in?range（X.shape[0]）:#行數(shù)
????????for?j?in?range（X.shape[1]）:#列數(shù)
????????????if?X[i][j]?==?‘NA‘:
????????????????X[i][j]?==?‘NaN‘
????imp?=?preprocessing.Imputer（missing_values=‘NaN‘strategy=‘most_frequent‘）#先來個簡單填補
????imp.fit（X）
????X?=?imp.transform（X）
????pca?=?PCA（n_components=2）
????reduced_X?=?pca.fit_transform（X）
????k1?=?KMeans（n_clusters=2）??#?將其類別分為3類
????k1.fit（reduced_X）
????kc1?=?k1.clus