ماشین لرنینگ (43943))/
دو سال پیش منتشر شده
تعداد بازدید: 212
کد پروژه: 354371
شرح پروژه
کد_پروژه: 43943
موضوع: پروژه ماشین لرنینگ /
یک پروژه Machine Learning میخام بر روی یک دیتاست از سایت kaggle انجام بشه This is an individual assignment. Provide APA references and citations for any external intellectual property used in your software design.
Using a single dataset of your choice (Kaggle, UCI, etc), apply each of the following algorithms to your dataset:
1) Linear regression (supervised), need to determine target dependent variable (e.g. continuous numerical type)
2) Random forest classification (supervised), need to determine target dependant variable (e.g. categorical type)
3) K-means clustering (unsupervised)
4) For each of the 3 algorithms above, apply PCA analysis to reduce the dimensionality of the dataset, and then run each of the 3 algorithms once more on the dimension-reduced dataset. In your Python code, measure the difference in time (likely a speedup) for the algorithm to run before and after PCA, and measure the difference in before and after PCA in: R2 or error for linear regression; accuracy or precision for random forest classification; and optimal cluster for k-means clustering.
In a Python script or a Jupyter Notebook, load the dataset, and then apply each of these algorithms using the libraries available.
Submit a .zip file containing your script(s) or notebook(s) to the dropbox for evaluation.
No report is required, but I will try to run your code "as is" after copying and unzipping to my computer. این تمامی موارد درخواستی هست برای این پروژه رو یک دیتاست میخام که این سه تا الگوریتم انجام بشه Linear regression Random forest Kmeans یک دیتاست باشه از سایت kaggle به انتخاب خودتون فقط قبلش در مورد چک دیتاست هماهنگ بشه قایل اجرا هست یا نه؟
ماکزیمم زمان ۴ الی ۵ روز هست فایل و دیتاست پروژرو میخام پروژه با پایتون باشه و تو jupytor notebook برام اجرای درست پروژه در هر مرحله مهم هست انالیز کردن دیتاست، visualization
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
5روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت دو سال پیش
