文件名称：DCNN-for-Tabular-data:DCNN对表格数据进行预测
文件大小：28KB
文件格式：ZIP
更新时间：2024-04-29 21:40:52
JupyterNotebook
DCNN用于表格数据 这项工作展示了我们在雷德黑德莱克黑德大学数据科学硕士课程的顶峰项目。 该项目使用不同大小范围的表格数据集，包括Connect4，Covertype，EEG，Letter识别，Hepmass-OS，Hepmass-NS，Hepmass-AS和HIGGS。 这项工作的目的是建立一个可用于表格数据的DCNN模型。 但是，众所周知，DCNN在图像分类方面具有出色的性能。 因此，我们决定制作一个将表格数据转换为图像的系统，随后将图像传递给DCNN模型进行分类。 这项研究工作是由很少的研究人员和编程人员执行的。 在所有这些产品中，我们设计的模型迄今为止可以提供最佳性能。 数据集： 我们已经对不同的数据集进行了实验，以检查模型的容量。 其中包括小型数据集（例如虹膜）到大型数据集（例如HIGGS）。 用于培训和测试的数据集分布如下： 方法： 加载数据集（connect4，cove
【文件预览】：
DCNN-for-Tabular-data-main
----README.md(5KB)
----Connect4()
--------fix.ipynb(10KB)
--------connect-4(tab2img).ipynb(9KB)
--------RF.ipynb(4KB)
--------SVM.ipynb(4KB)
--------connect-4.txt(2KB)
--------LSTM.ipynb(24KB)
--------remaining.ipynb(12KB)
--------ELM.ipynb(4KB)
--------readme.txt(12B)
--------half.ipynb(80KB)