机器学习和数据挖掘
机器学习代写 1、项目要求:利用课程所学知识完成:根据提供的样本数据(语音通话、短信收发、及移动网络使用行为等特征),进行特征挖掘,并采用合适的算法模型(推荐xgboost),调试合适的参数,进行训练学习,最后得到风险用户判别结果。数据说明(uid->vid)···
答辩时间:17周课表 机器学习代写
1、项目要求:
利用课程所学知识完成:根据提供的样本数据(语音通话、短信收发、及移动网络使用行为
等特征),进行特征挖掘,并采用合适的算法模型(推荐xgboost),调试合适的参数,进行训练学习,最后得到风险用户判别结果。
- 数据说明(uid->vid)
3.文件说明 机器学习代写
训练集:
测试集(uid_test.txt为需要预测的用户,已初始化为 -1 ,保留原来格式(\t ,):
4.提交及演示说明:
1)提交完整的预测文件(可提交3份不同结果,取最高分。3份可以最后一起交,也可以先后交)。即uid_test.txt文件。里面的”label”字段替换为自己模型的预测结果,注意:不要修改字段名称。预测结果为判断为正类(风险)的概率值。最后评判使用auc。
2)将项目所有代码整合到一份(anaconda)jupyter(.ipynp)文件里,并且保留中间运行结果。(必须包含的中间结果有:模型训练过程打印,验证集预测结果auc得分打印和关键特征dataframe结构打印,其他可结合答辩所需打印)。
3)小组成员工作完成情况文档说明。
4)最后答辩根据jupyter文件进行结果演示以及答辩。
5)答辩内容:课程理论知识及项目详情。
5、项目分数说明:
1)基础分:
根据各小组auc得分情况进行排序。得分最高的小组获得基础分85分,其余小组根据 – 1分递减。若小组auc得分少于0.7,则基础分统一为60分。
- 附加分:
根据小组具体成员答辩情况评判,附加分得分为: -10分~15分。
3)大作业最后得分:基础分+附件分。
更多代写:Haskell编程代写 生物学代考 lab代写 essay代写 网络安全 Machine Learning代做