CS7304H-033

统计学习理论与方法

文件结构

CS7304H-033 ├── DANN ├── Datasets ├── DecisionTree ├── KNN ├── LogisticRegression ├── RandomForest ├── SVM ├── utils ├── init.py ├── requirements.txt └── README.md

运行环境：

python 3.8 pip install -r requirements.txt 经测试，SVM和DANN方法效果相对较好，如需测试可按照下面步骤，输出相应预测文件

数据集：

运行前需按照下列文件夹结构导入训练/测试集 Datasets ├── test.csv └── train.csv

四种传统模型：

cd CS7304H-033

1. Logistic Regression python LogisticRegression/lr.py

2. Support Vector Machine python SVM/SVM_with_pca.py

3. K-Nearest Neighbors python KNN/knn_with_pca.py

4. Decision Tree 时间开销较长 python DecisionTree/dt.py

5. Random Forest python RandomForest/rf_with_pca.py

深度学习方法（DANN）

可使用此方式训练，训练结束后会输出测试集的预测结果 python DANN/train.py