文件名称：machine_learning
文件大小：675KB
文件格式：ZIP
更新时间：2024-05-13 06:03:10
JupyterNotebook
machine_learning 此仓库包含四个机器学习项目。 项目1 在这个项目中，我们根据大脑图像数据预测一个人的年龄。 在对数据执行了一些预处理（例如特征选择，缩放和消除多重共线性）之后，我们使用了一种堆栈技术来组合不同基础模型的输出，包括每个模型的各种实例以及不同的参数。 项目二 在此任务中，我们基于图像特征进行了疾病分类。 这项任务面临的挑战是如何应对训练数据中的高级失衡。 我们尝试了欠采样和过采样技术，但最终发现欠采样的结果更好。 对于过采样，我们尝试了合成少数过采样技术，对于欠采样，我们尝试了一些方法，包括随机欠采样，浓缩最近邻规则欠采样，近遗漏欠采样，tomek链接和单面选择，但是我们发现在以下方面效果最好的方法数据集是邻居清洁规则。 我们使用支持向量机作为最终模型。 专案3 在此任务中，我们将ECG信号分类为健康和不健康的心跳。 我们的模型是Catboost分类器。
【文件预览】：
machine_learning-main
----Task 1()
--------data_processing.py(1KB)
--------code.py(5KB)
--------requirements.txt(58B)
--------leaderboard.txt(172B)
--------outlier_detection.py(2KB)
--------README.md(11B)
--------feature_selection.py(3KB)
--------results.txt(84B)
--------framework.py(3KB)
--------.gitignore(2KB)
--------model_tester.py(4KB)
----Task 2()
--------code.py(2KB)
--------requirements.txt(74B)
--------pipeline.py(3KB)
--------outlier_detection.py(4KB)
--------visualization.py(4KB)
--------README.md(13B)
--------feature_selection.py(5KB)
--------framework.py(7KB)
--------.gitignore(2KB)
--------data_loader.py(1KB)
--------CustomVoting.py(1KB)
--------Write up.docx(13KB)
--------model_tester.py(6KB)
----Task 3()
--------code.py(1KB)
--------notebook.ipynb(1.78MB)
--------requirements.txt(63B)
--------pipeline.py(3KB)
--------outlier_detection.py(4KB)
--------visualization.py(4KB)
--------README.md(13B)
--------feature_selection.py(5KB)
--------framework.py(9KB)
--------ecg.py(8KB)
--------.gitignore(2KB)
--------data_loader.py(1KB)
--------model_tester.py(5KB)
----Task 4()
--------brainwaves.py(5KB)
--------code.py(1KB)
--------notebook.ipynb(253KB)
--------cnn.py(9KB)
--------requirements.txt(49B)
--------pipeline.py(3KB)
--------outlier_detection.py(4KB)
--------visualization.py(4KB)
--------sleepnet.py(9KB)
--------README.md(12B)
--------feature_selection.py(4KB)
--------framework.py(9KB)
--------.gitignore(2KB)
--------data_loader.py(3KB)
--------model_tester.py(5KB)
----README.md(3KB)