摘要：
训练集给出如下数据： 测试集提供其中的部分列： 要求预测以下列的数据： ['Tdewpoint', 'Visibility', 'Windspeed', 'RH_out', 'Press_mm_hg', 'RH_9', 'T_out', 'RH_4'] 使用随机森林进行预测： import pand 阅读全文
摘要：
训练集给出如下数据： 测试集提供其中的部分列： 要求预测以下列的数据： ['Tdewpoint', 'Visibility', 'Windspeed', 'RH_out', 'Press_mm_hg', 'RH_9', 'T_out', 'RH_4'] 使用回归树进行预测： import panda 阅读全文
摘要：
训练集给出如下数据： 测试集提供其中的部分列： 要求预测以下列的数据： ['Tdewpoint', 'Visibility', 'Windspeed', 'RH_out', 'Press_mm_hg', 'RH_9', 'T_out', 'RH_4'] 使用神经网络进行预测： import pand 阅读全文
摘要：
训练集有四列数据： id为序号，sentence_idx为语句的序号，words为从一条语句中解析出的单词，tag为每个word对应的tag标签。 test集给出前三列数据，求每一个word对应的tag数据。 经过观察，发现训练集和测试集有大量的重复数据，所以尝试使用硬匹配的方式给出一份数据： 1 阅读全文
摘要：
训练集有四列数据： id为序号，sentence_idx为语句的序号，words为从一条语句中解析出的单词，tag为每个word对应的tag标签。 test集给出前三列数据，求每一个word对应的tag数据。 使用多项式朴素贝叶斯算法解决： 1 import pandas as pd 2 from 阅读全文
摘要：
训练集有四列数据： id为序号，sentence_idx为语句的序号，words为从一条语句中解析出的单词，tag为每个word对应的tag标签。 test集给出前三列数据，求每一个word对应的tag数据。 使用循环神经网络算法： 1 import pandas as pd 2 from skle 阅读全文
