06 2023 档案
摘要:
模型亮点 测试集上评分为1.0 数据集由sklearn自带 以下为模型具体实现 Step1.数据读取 how 数据读取? 使用load_iris命令,加载鸢尾花数据集 from sklearn.datasets import load_iris iris=load_iris() x=iris.dat
阅读全文

摘要:
模型亮点 初始测试集上评分为0.29,调参后测试集上评分为0.98 数据集由sklearn自带 以下为模型具体实现 Step1.数据读取 使用load_iris命令,加载鸢尾花数据集 from sklearn.datasets import load_iris iris=load_iris() x=
阅读全文

摘要:
模型亮点 初始测试集上评分为0.36,调参后测试集上评分为0.77 数据集由sklearn生成 以下为模型具体实现 Step1.数据读取 how 数据读取? 使用make_blobs命令,生成数据集 可指定样本数、特征数、聚类簇数等,以测试聚类算法 from sklearn.datasets imp
阅读全文

摘要:
模型亮点 初始测试集上评分为0.51,调参后测试集上评分为0.75 数据集由sklearn自带 以下为模型具体实现 Step1.数据读取 how 数据读取? 使用load_iris命令,加载鸢尾花数据集 from sklearn.datasets import load_iris iris=load
阅读全文

摘要:
模型亮点 随机森林,初始测试集上评分为0.53,调参后测试集上评分为0.85 梯度提升决策树,初始测试集上评分为0.56,调参后测试集上评分为0.88 以下为模型具体实现 Step1.数据读取 import pandas as pd df=pd.read_csv('bankpep.csv',inde
阅读全文

摘要:
模型亮点 初始测试集上评分为0.4,调参后测试集上评分为0.8 数据清洗方式得当 以下为模型具体实现 Step1.数据读取 import pandas as pd df=pd.read_csv('bankdebt.csv',index_col=0,header=None) df.columns=['
阅读全文

摘要:
模型亮点 初始测试集上评分为0.56,调参后测试集上评分为0.85 数据清洗方式得当 以下为模型具体实现 Step1.数据读取 import pandas as pd df=pd.read_csv('bankpep.csv',index_col='id') df.head() Step2.数据清洗
阅读全文
