Python机器学习决策树和神经网络特征选择模型对比实验

1.利用多种特征提取方法提取特征，并保存提取特征结果的文件。2.通过不同的方法进行预测，包括决策树、随机森林、支持向量机SVM和神经网络对比实验。使用SelectKBest进行特征选择，参数n_estimators为100的情况下，最大准确率是通过神经网络+RF特征选择进行的预测。3.最后，格式化输出文件的结果，包括result_dt.csv、result_knn.csv、result_svc.csv和result_bpnn.csv。result_bpnn.csv中记录了BPNN神经网络对不同特征选择方法进行的预测结果。