Stroke_Prediction_6ML_models：该项目使用六个机器学习模型（XGBoost，随机森林分类器，支持向量机，逻辑回归，单决策树分类器和TabNet）进行笔画预测。 为此，我使用了Kaggle的“ healthcare-dataset-stroke-data”。 为了确定哪种模型最适合进行笔画预测，我绘制了每种模型的曲线下面积（AUC）。 AUC越高，模型越好-源码

[{"title":"（ 3 个子文件 221KB ） Stroke_Prediction_6ML_models：该项目使用六个机器学习模型（XGBoost，随机森林分类器，支持向量机，逻辑回归，单决策树分类器和TabNet）进行笔画预测。 为此，我使用了Kaggle的“ healthcare-dataset-stroke-data”。 为了确定哪种模型最适合进行笔画预测，我绘制了每种模型的曲线下面积（AUC）。 AUC越高，模型越好-源码","children":[{"title":"Stroke_Prediction_6ML_models-main","children":[{"title":"README.md <span style='color:#111;'> 468B </span>","children":null,"spread":false},{"title":"Stroke_Prediction_6ML_models.ipynb <span style='color:#111;'> 773.34KB </span>","children":null,"spread":false},{"title":"healthcare-dataset-stroke-data.csv <span style='color:#111;'> 309.54KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]