/alloy-research

the script about the idea implement base on paper and traditional machine learning.

Primary LanguageJupyter Notebook

算法实现

todo

  1. ensemble: adaboost, decision tree, or others can do regression.
  2. pyplot, and seaborn
  3. Multi-output Decision Tree Regression, 多个输出结果的decision tree-----ok
  4. 特征工程https://scikit-learn.org/stable/auto_examples/ensemble/plot_feature_transformation.html#sphx-glr-auto-examples-ensemble-plot-feature-transformation-py

SOAT：

logisticsregression.py

machine learning

img.png

备注：

  • 与logisticregression.ipynb相比，使用相同的模型和参数，输入数据由原先的含量百分比改为知识参数后，预测的精度反而降低。这里的知识参数，是否可以用另一种方式利用起来？
  • 后续使用feature transformation的方式来提升模型的精度：使用randomforestclassfier作为特征分类器，使用onehotencoder作为分类编码，在使用logisticregression作为回归预测。使用的是知识参数，效果并不会，详细代码查看feature-transformation.py