该代码是在Python和Jupyter Notebook [7]中创建的，可以用作未来ML应用程序的模板。在《代码海洋胶囊》中，我们包括了jupyter笔记本和python脚本，以便其他人可以复制与原始研究中相同的结果。该软件有两个部分。第一部分实现了五个ML模型（Logistic回归（LR），K -Neart最邻居（KNN），幼稚的贝叶斯（NB），随机森林（RF）和极端梯度提升（XGBOOST））。在第二部分中实施了两个深度学习模型（多层感知器（MLP）和卷积神经网络（CNN））。将这些模型的性能与准确性，精度，召回和F1得分进行了比较。之后，探索了最佳模型的特征重要性，特征相关性，可变聚类，混淆矩阵和内核密度估计（KDE）。