一、介绍：

        烟雾探测器检测烟雾并触发警报以提醒他人。通常，它们存在于办公室、家庭、工厂等。通常，烟雾探测器分为两类：

1. Photoelectric Smoke Detector- 设备检测光强度，如果低于设定的阈值，则生成警报，因为烟雾会导致灰尘颗粒和烟雾导致光强度降低。
2. Ionization Smoke Detector- 这种类型的探测器配备了一个电子电路，可以测量电流差，并在超过某个阈值时提醒用户。由于烟雾和管道颗粒导致离子不能自由移动，电路中的电流将减少。

        使用提供的数据集，我们的目标是开发一个人工智能模型，如果检测到烟雾，可以准确地发出警报。我们的目标是根据其准确性比较许多分类模型，例如 KNN、逻辑回归等，直观地表示它们，并从中选择最好的。

数据是从这里获取的。

二、导入所需库 

#Importing all essential libraries
import numpy as np
import pandas as pd
import seaborn as sns
from plotly.subplots import make_subplots
import matplotlib.pyplot as plt
import plotly.express as px
import missingno as msno

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

#Importing Models
from sklearn.neighbors import KNeighborsClassifier
from sklearn.linear_model import LogisticRegression,SGDClassifier
from sklearn.ensemble import RandomForestClassifier,GradientBoostingClassifier,AdaBoostClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn.svm import SVC
from sklearn.naive_bayes import GaussianNB
from sklearn.dummy import DummyClassifier
from sklearn.tree import ExtraTreeClassifier 


from sklearn.metrics import accuracy_score
import time

import warnings
warnings.filterwarnings('ignore')

三、数据探索

3.1 特征分布

1. UTC - The time when the experiment was performed.
2. Temperature - Temperature of Surroundings. Measured in Celsius
3. Humidity - The air humidity during the experiment.
4. TVOC - Total Volatile Organic Compounds. Measured in ppb (parts per billion)
5. eCo2 - CO2 equivalent concentration. Measured in ppm (parts per million)
6. Raw H2 - The amount of Raw Hydrogen present in the surroundings.
7. Raw Ethanol- 周围环境中存在的生乙醇量。
8. Pressure-气压。以 hPa 为单位测量
9. PM1.0- 直径小于1.0微米的颗粒物。
10. PM2.5- 直径小于2.5微米的颗粒物。
11. NC0.5- 直径小于0.5微米的颗粒物的浓度。
12. NC1.0- 直径小于1.0微米的颗粒物的浓度。
13. NC2.5- 直径小于2.5微米的颗粒物的浓度。
14. CNT- 简单计数。
15. Fire Alarm-（现实）如果发生火灾，则值为1，否则为0。

data = pd.read_csv('../input/smoke-detection-dataset/smoke_detection_iot.csv',index_col = False)
data.head()

数据前五行（来源：作者）

data.shape

data.describe().T.sort_values(ascending = 0,by = "mean").\
style.background_gradient(cmap = "BuGn")\
.bar(subset = ["std"], color ="red").bar(subset = ["mean"], color ="blue")

描述数据（来源：作者）

#Getting all the unique values in each feature
features = data.columns
for feature in features:
    print(f"{feature} ---> {data[feature].nunique()}")

所有变量的唯一值（来源：作者）

3.2 空值分布：

data.isna().sum()

空值计数（来源：作者）

msno.matrix(data)

空值可视化（来源：作者）

3.3 数据清理：

        数据集中没有缺失值，这使我们能够更有效地分析数据并构建准确的预测模型。

        如果数据集包含缺失值，请参考以下链接，帮助您进行数据清洗：

1. 开始使用 Kaggle（英语：Kaggle）
2. 极客的极客

        尽管有些功能是无用的，并且会妨碍我们的模型。这些是：

1. UTC- 它仅指示实验进行的时间，因此不会影响结果。
2. Unnamed :0- 这只是索引。
3. CNT- 这是计数（类似于索引）。

        由于这些属性是无用的，我们将删除它们。

del_features = ['Unnamed: 0','UTC','CNT']
for feature in del_features:
    data = data.drop(feature,axis = 1)
data.head()

删除不需要的功能（来源：作者）

3.4 ⭐重要观察 

• 数据中总共有行和列。6236016
• 数据不包含任何缺失值。
• 我们删除 、 属性，因为它们对我们毫无用处。UTCUnnamed 0:CNT
• 完成所有修改后，我们总共拥有将对其执行 EDA 的属性。13
• 总共有 （62360 x 13） 个观测值。810680

四、探索性数据分析 

4.1 使用目标变量进行特征分析 

sns.set_style("whitegrid")
sns.histplot(data['Fire Alarm'])

Histogram of Frequency (Source: Author)

plt.figure(figsize = (6,6))
sns.kdeplot(data = data,x = 'TVOC[ppb]')

Probability Density Function (Source: Author)

4.2 HeatMap :

plt.figure(figsize = (12,12))
sns.heatmap(data.corr(),annot = True,cmap = 'GnBu')

热图（来源：作者）

4.3 ⭐重要观察：

• 考虑到相关性很高，我们可以这么说，并且相关性很高。>=0.65PressureHumidity
• 所有 和 彼此之间具有很高的相关性。PM'sNC's
• 的均值和中位数之间的差值非常高。这告诉我们存在许多异常值。TVOCPM'sNC's
• 和 是分类中非常重要的属性，因为目标变量的均值和中位数之间的差异非常大。TVOCPM'sNC's

五、建模 

5.1 数据预处理 

X = data.copy()
X.drop('Fire Alarm',axis = 1,inplace = True)
y = data['Fire Alarm']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,random_state=0)
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

5.2 模型实现：

models = [KNeighborsClassifier(),SGDClassifier(),LogisticRegression(),RandomForestClassifier(),
GradientBoostingClassifier(),AdaBoostClassifier(),BaggingClassifier(),
SVC(),GaussianNB(),DummyClassifier(),ExtraTreeClassifier()]

Name = []
Accuracy = []
Time_Taken = []
for model in models:
    Name.append(type(model).__name__)
    begin = time.time()
    model.fit(X_train,y_train)
    prediction = model.predict(X_test)
    end = time.time()
    accuracyScore = accuracy_score(prediction,y_test)
    Accuracy.append(accuracyScore)
    Time_Taken.append(end-begin)

Dict = {'Name':Name,'Accuracy':Accuracy,'Time Taken':Time_Taken}
model_df = pd.DataFrame(Dict)
model_df

Accuracy and Time Taken (Source: Author)

5.3 Accuracy vs Model:

model_df.sort_values(by = 'Accuracy',ascending = False,inplace = True)
fig = px.line(model_df, x="Name", y="Accuracy", title='Accuracy VS Model')
fig.show()

Accuracy Vs Model (Source: Author)

5.4 Time Taken vs Model:

model_df.sort_values(by = 'Time Taken',ascending = False,inplace = True)
fig = px.line(model_df, x="Name", y="Time Taken", title='Time Taken VS Model')
fig.show()

所用时间与模型（来源：作者）

六、结论 

        作为上述分析的结果，我们可以看到ExtraTreeClassifier需要更少的训练和执行时间，并提供最高级别的准确性。