现在，需要根据该学校提供的数据，对数据进行分析，并尝试找到预测模型的性能进行分析。
资源中包含：论文、代码以及数据！
方法要求：
a) 分析该数据集的数据缺失情况；
b) 分析该数据集不同年份各门课程的描述性统计量，并进行比对分析；
c) 对该数据集进行数据清洗，处理缺失值；
d) 对该数据集进行归一化；
e) 要求分别利用sklearn提供的线性回归（Linear Regression）、岭回归（Ridge Regression）、鲁棒回归（使用Huber Regression）、支持向量回归（SVR）、最近邻回归（Nearest Neighbors Regression）、决策树回归（Decision Trees）、神经网络回归（Neural Network Regression）共七种回归算法实现对成绩的预测。
f) 并对训练出的七种回归器进行性能评估，利用测试集计算七种回归器的四项性能指标：解释方差、平均绝对误差、平均平方误差和中位绝对误差。
2022-04-03 16:09:32
3.32MB
1