作者使用的是anaconda集成环境，但是还是需要安装keras、jieba、gensim
import os # 系统文件处理模块
import pickle # 保存模型, python自带模块
import time # 时间处理模块
from random import shuffle # 用于随机打乱数据
import numpy as np
from numpy.random import shuffle # 用于随机打乱数据
import jieba # 分词
import matplotlib.pyplot as plt # 可视化操作
# 导入的常规模块
import pandas as pd
import pywt # 小波处理的模块
from gensim import corpora, models # 建立语义分析模型
from keras.layers.core import Activation, Dense # Kears的常用的两个层
from keras.models import Sequential # Kears神经网络训练
# 按名称排序
from scipy.cluster.hierarchy import dendrogram, linkage # 谱系聚类图
from scipy.interpolate import lagrange # 拉格朗日填值
from scipy.io import loadmat # 读取matlab的格式文件
from sklearn import svm # 支持向量机
from sklearn.cluster import AgglomerativeClustering # 层次聚类算法
from sklearn.cluster import KMeans # KMeans聚类
from sklearn.decomposition import PCA # 主成分分析
from sklearn.externals import joblib # 用于保存模型
from sklearn.externals.six import StringIO # 将决策树导出为dot
from sklearn.linear_model import LogisticRegression as LR # 线性回归
from sklearn.linear_model import RandomizedLogisticRegression as RLR # 随机森林
from sklearn.linear_model import Lasso # Lasso回归
from sklearn.manifold import TSNE # 数据降维
from sklearn.metrics import confusion_matrix # 计算混淆矩阵，评估分类的准确性
from sklearn.metrics import roc_curve # ROC曲线
from sklearn.tree import DecisionTreeClassifier as DTC # 决策树
from sklearn.tree import export_graphviz # 用于生成决策树的dot文件
from statsmodels.graphics.tsaplots import plot_acf # plot_acf自相关图
from statsmodels.graphics.tsaplots import plot_pacf # plot_pacf自相关图
from statsmodels.stats.diagnostic import acorr_ljungbox # 白噪声检验
from statsmodels.tsa.arima_model import ARIMA # 建立ARIMA模型
from statsmodels.tsa.stattools import adfuller as ADF # adf检验