huangjiashengg / shop_decision_basedOn_decisionTreeLinks
本实验是基于决策树模型的训练与调优记录，旨在通过学习与总结，不存在其他用途与目的。数据采用薛微出版的《R语言数据挖掘方法及应用》教材中提供的数据集---【购物决策数据集】；为简单起见，应用调包SKlearn进行数据预处理与模型训练；后半部分将包含对训练结果的分析、参数调优与最佳模型与参数选择。本实验采用python语言进行模型构建。 模型理解：训练一决策树模型。得到一个新的数据（至少包含性别年龄收入），只要输入性别、年龄和收入，我们可以预测它是否购买。
☆11Updated 4 years ago
Alternatives and similar repositories for shop_decision_basedOn_decisionTree
Users that are interested in shop_decision_basedOn_decisionTree are comparing it to the libraries listed below
Sorting:
- 本程序实现决策树的建立与可视化，以及决策树的预剪枝与后剪枝，数据集为西瓜书4.2、4.3节中的西瓜数据集☆36Updated 5 years ago
- 基于粒子群算法的神经网络优化股票价格预测☆33Updated 5 years ago
- 机器学习决策树ID3算法的Python实现☆11Updated 5 years ago
- 利用sklearn实现机器学习算法：线性回归、逻辑回归、决策树、随机森林、SVM等☆167Updated 5 years ago
- 机器学习预测系统汇总：包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测☆76Updated 4 years ago
- 基于机器学习的信用风险评估模型，主要使用了Sklearn库，通过逻辑回归，向量机等模型，根据借款人的个人身份信息评估是否应当发放贷款。☆17Updated 3 years ago
- 《机器学习》周志华（西瓜书）的决策树，实现了决策树的构建、可视化及预测。☆13Updated 4 years ago
- 机器学习实践：贷款违约预测☆37Updated 5 years ago
- 机器学习预测模型，分别用逻辑回归，决策树，随机森林，神经网络，XGBOOST和支持向量机算法建模，交叉验证，并选出AUC最优的模型。特征工程优化后，AUC值达到0.8259☆55Updated 5 years ago
- 使用pyhton3语言对机器学习算法中的K近邻算法、线性回归、多项式回归、逻辑回归、PCA、SVM、决策树、随机森林、集成学习、boosting 等进行了算法的实现以及实验分析☆45Updated 6 years ago
- 【Numpy 手写实现】SVM 支持向量机 | KNN K近邻 | Kmeans | Logistic Regression 逻辑回归 | Maximum Entropy 最大熵 | Naive Bayes 朴素贝叶斯 | Perception 感知机 | Decision…☆207Updated 5 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆44Updated 5 years ago
- Python与机器学习方向，《决策树与集成算法》课程仓库☆25Updated 6 years ago
- 决策树、随机森林☆49Updated 6 years ago
- 房价预测完整项目：1.爬取链家网数据 2.处理后，用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好，R^2值0.75左右☆237Updated 6 years ago
- 基于BP神经网络的高频金融时间序列分析 (毕设)☆47Updated 6 years ago
- 时间序列ARIMA模型的销量预测☆63Updated 6 years ago
- 利用时间序列预测汽车销量☆40Updated 6 years ago
- Python 建立的BP神经网络处理预测相关公交线路数据☆36Updated 7 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测，洗发水销量/股票走势预测，有状态循环神经网络☆58Updated 7 years ago
- 本项目是一个由我个人开发的python机器学习项目，基于BP、SVR、随机森林的农业粮食产量预测，对比了三种机器学习算法的预测效果。☆18Updated last year
- 金融时间序列（预测分析 / 相似度 / 数据处理）☆236Updated 10 months ago
- 利用python对3000个数据利用机器学习算法建立模型，并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术；通过相关性分析进行特征选择；建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型，并通过网格搜索法确定最优参数…☆31Updated 2 years ago
- 智能供应链分析，对顾客用rfm模型分类，用多种机器学习模型建模，进行欺诈订单预测，延迟发货预测，销售额预测，销售数量预测☆33Updated 4 years ago
- 逻辑回归、时间序列、KNN、朴素贝叶斯、决策树、关联规则、线性回归、神经网络、SVM、模型评估以及提高模型性能☆15Updated 6 years ago
- 基于iris数据集进行四种机器学习算法（决策树、朴素贝叶斯、随机森林、支持向量机SVM）的训练，使用交叉检验（Cross-validation）对比了各算法的预测准确率。☆21Updated 5 years ago
- 通过聚类分析交易流水检测异常交易☆19Updated last year
- 2019泰迪杯B题，利用Adaboost模型对A股市场进行预测☆51Updated 5 years ago
- 统计分析课程实验作业/包含《统计分析方法》中因子分析，主成分分析，Kmeans聚类等典型算法的手写实现☆77Updated 5 years ago
- 常见的数据预处理，包括数据加载、缺失值&异常值处理、描述性变量转换为数值型、训练测试集划分、数据规范化☆41Updated last year