1. 运行preprocessing.py，使用各种特征提取方法提取特征，并将其保存。
  2. 运行predict.py，对每种提取的特征使用多种方法进行预测，实验结果表明，决策树（随机森林）以及支持向量机（SVM）的表现最好。
  3. 最后，运行postprocessing.py，规范输出结果的格式：result_dt.csv、result_knn.csv、result_svc.csv的3列分别表示使用的特征选择方法、参数列表以及预测的准确率。result_bpnn.csv为针对不同特征选择方法的BPNN神经网络预测结果，这些参数都已经过调整。