Courese_work.py

此代码主要是对数据集生成图，第一部分是生成数据的相关性矩阵图，第二部分是生成数据集的缺失图，第三部分是数据通过PCA从多维降为二维后使用聚类处理在二维层面上显示的散点图，第三部分是分类算法对数据集的处理输出为分类准确率，分类算法包括随机森林，朴素贝叶斯，决策树，KNN，支持向量机，和神经网络。以上皆为代码所能处理的功能。如果你是需要对数据集进行分析需要图，这份代码就比较合适。

#注意，如果代码有缺失值，请先将缺失值使用NA填充，代码只识别NA为缺失值。
#输入数据集保持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=‘auto‘ 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=‘auto‘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]）:#行数
        for j in range（X.shape[1]）:#列数
            if X[i][j] == ‘NA‘:
                X[i][j] == ‘NaN‘
    imp = preprocessing.Imputer（missing_values=‘NaN‘strategy=‘most_frequent‘）#先来个简单填补
    imp.fit（X）
    X = imp.transform（X）
    pca = PCA（n_components=2）
    reduced_X = pca.fit_transform（X）
    k1 = KMeans（n_clusters=2）  # 将其类别分为3类
    k1.fit（reduced_X）
    kc1 = k1.clus