machine_learning-源码

machine_learning 此仓库包含四个机器学习项目。 项目1 在这个项目中，我们根据大脑图像数据预测一个人的年龄。 在对数据执行了一些预处理（例如特征选择，缩放和消除多重共线性）之后，我们使用了一种堆栈技术来组合不同基础模型的输出，包括每个模型的各种实例以及不同的参数。 项目二 在此任务中，我们基于图像特征进行了疾病分类。 这项任务面临的挑战是如何应对训练数据中的高级失衡。 我们尝试了欠采样和过采样技术，但最终发现欠采样的结果更好。 对于过采样，我们尝试了合成少数过采样技术，对于欠采样，我们尝试了一些方法，包括随机欠采样，浓缩最近邻规则欠采样，近遗漏欠采样，tomek链接和单面选择，但是我们发现在以下方面效果最好的方法数据集是邻居清洁规则。 我们使用支持向量机作为最终模型。 专案3 在此任务中，我们将ECG信号分类为健康和不健康的心跳。 我们的模型是Catboost分类器。