پروژه پایتون
هفت ماه پیش منتشر شده
تعداد بازدید: 41
کد پروژه: 451036
شرح پروژه
سلام 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-labele 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 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
مهارت ها و تخصص های مورد نیاز
بودجه
300,000 تومان تا 750,000 تومان
مهلت برای انجام
9روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت سه سال پیش
