[S2] Challenge 25 心脏病预测

问题

您是一家医疗保健公司的数据科学家，试图创建患者是否患有心脏病的预测因子。目前，您正在试验 11 种不同的特征（潜在心脏病指标）和 XGBoost 分类模型，您注意到它的性能可能会根据其调整方式而发生很大变化。在此挑战中，您将实现超参数调整，以找到 XGBoost 的 Boosting Rounds 数、最大树深度和学习率超参数的最佳值。使用公制 F-Measure 作为调整的目标函数。

尝试 KNIME AI Assistant

我在这次挑战中尝试使用了2023年9月14日发布的KNIME Analytics Platform 5.1.1，并尝试了一下 5.1 中引入的新扩展，KNIME AI Assistant。

这个扩展分为两个主要功能，一个是QA，另一个是Build。QA部分类似于ChatGPT中的问答部分，你可以通过