疯狂的机器学习实战-银行营销预测

我要开发同款
proginn09542975962023年07月13日
142阅读
所属分类分类问题、机器学习

作品详情

技术栈:KNN、随机森林、SVM、AdaBoost
功能:对银行营销数据分别进行数据清洗、数据预处理、特征分析,并根据清洗后的数据和特征对以下4个模型KNN、随机森林、SVM、AdaBoost进行了准确率测试,最后选择了准确率最高的KNN算法进一步调优。最终模型的准确率达到了93.3%。
主要工作:数据清洗,数据分析,特征工程,模型调优
链接:https://blog.csdn.net/a284365/article/details/116165723
声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态

评论