پروژه پایتون (64586))=/

شرح پروژه

سلام
پروژه یک واحد درسی دارم:

Positive Unlabeled Learning is a binary classification task where the negative label is unknown. With that only the positive label is a 100% correct while the "negative" label can be either positive or negative. This statistical problem should be benchmarked against a normal supervised learning algorithm: CATBOOST. Choose three PU-learning approaches and run them against CATBOOST! در واقع می‌خواد مدل نظارتی رو با نیمه نظارتی مقایسه کنه و دیتاست هم از این سایت انتخاب بشه: Data set: Any data from the UCI machine learning reposity or used for catboost. ." It needs to be "PU-labeled

مقایسه روش نظارتی با سه تا غیرنظارتی

من میخوام روش catboost که نوعی supervised learning هست
رو با semi-supervised learning روی یک دیتاست مقایسه بشه

از سایت ICI machine learning دیتاست رو انتخاب کنید که ترجیحا labeled باشه و باید یه‌بخشی از دیتاهارو unlabeled کرد و روش semi-supervised learning یا positive unlabeled learning رو باهاش کار کرد

من خودم دارم میگردم دیتاست مناسب پیدا کنم منتهی اگه خودتون پیدا کردین بمن اطلاع بدین که راجبه انجامش باهم مشورت کنیم

این دیتاستی هست که قراره این مقایسه ها روش انجام بشه

https://archive.ics.uci.edu/dataset/697/predict+students+dropout+and+academic+success

اول میخوام با روش catboost که نوعی supervised learning هست نتایج گرفته بشه بعد یه بخشی از جواب ها unlabeled بشه و بعد با semi-supervised learning نتایج گرفته بشه و با قبلی مقایسه بشه

برای اطلاعات اولیه پروژه و اینکه میخوایم چه الگوریتمی رو انتخاب کنیم تا ۳روز دیگه زمان دارم
ولی برای ارایه کل پروژه یکماه

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

کاربر386156

عضویت دو سال پیش

5975 پروژه ثبت شده ،

25 پروژه در حال انجام ،

0 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 25%