以下是添加注释后的代码： ```python # 导入 pandas 库并设置别名 pd，pandas 是一个用于数据处理和分析的强大库 import pandas as pd # 导入 numpy 库并设置别名 np，numpy 用于进行高效的数值计算 import numpy as np # 导入 matplotlib 库的 pyplot 模块并设置别名 plt，用于数据可视化 import matplotlib.pyplot as plt # 导入 sklearn 库的 linear_model 模块并设置别名 LM，用于线性回归等机器学习模型 import sklearn.linear_model as LM # 从 sklearn.model_selection 模块中导入 train_test_split 函数，用于将数据集划分为训练集和测试集 # 导入 KFold 类，用于 K 折交叉验证 # 导入 LeaveOneOut 类，用于留一法交叉验证 # 导入 LeavePOut 类，用于留 P 法交叉验证 from sklearn.model_selection import train_test_split, KFold, LeaveOneOut, LeavePOut # 从 sklearn.model_selection 模块中导入 cross_val_score 函数，用于计算交叉验证得分 # 导入 cross_validate 函数，用于更全面的交叉验证评估 from sklearn.model_selection import cross_val_score, cross_validate # 从 sklearn.metrics 模块中导入 confusion_matrix 函数，用于计算混淆矩阵 # 导入 f1_score 函数，用于计算 F1 分数 # 导入 roc_curve 函数，用于绘制 ROC 曲线 # 导入 auc 函数，用于计算 ROC 曲线下的面积 # 导入 precision_recall_curve 函数，用于绘制精确率 - 召回率曲线 # 导入 accuracy_score 函数，用于计算准确率 from sklearn.metrics import confusion_matrix, f1_score, roc_curve, auc, precision_recall_curve, accuracy_score # 从 mpl_toolkits.mplot3d 模块中导入 Axes3D 类，用于创建三维图形 from mpl_toolkits.mplot3d import Axes3D # 设置 matplotlib 的字体为黑体，以支持中文显示 plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置 matplotlib 正常显示负号 plt.rcParams['axes.unicode_minus'] = False # 忽略警告信息，避免在程序运行过程中显示不必要的警告 import warnings warnings.filterwarnings(action='ignore') ```