简介:本项目将此数据集用于训练和测试信用风险模型(对六种不同的机器学习算法进行训练和评估,模型分别是:SVC、决策树、极度随机树、逻辑回归、随机森林和梯度提升树),预测贷款人的信用风险。
简介:使用各种监督学习模型来预测PRT的股价并比较它们的差异。
简介:使用各种集成学习模型来预测iris的种类并比较模型之间的差异。
简介:使用各种聚类算法模型来预测wine的种类并比较模型之间的差异。
简介:使用决策树模型来预测毒蘑菇。
简介:使用朴素贝叶斯算法模型来预测wine。
简介:本项目将此数据集用于训练和测试信用风险模型(对六种不同的机器学习算法进行训练和评估,模型分别是:SVC、决策树、极度随机树、逻辑回归、随机森林和梯度提升树),预测贷款人的信用风险。
简介:使用各种监督学习模型来预测PRT的股价并比较它们的差异。
简介:使用各种集成学习模型来预测iris的种类并比较模型之间的差异。
简介:使用各种聚类算法模型来预测wine的种类并比较模型之间的差异。
简介:使用决策树模型来预测毒蘑菇。
简介:使用朴素贝叶斯算法模型来预测wine。