机器学习项目
文章平均质量分 96
欢迎来到我的数据分析专栏,在这里,我将与您分享我在机器学习领域的一些探索和实践。
TrySNew
欢迎来到我的博客
展开
-
【机器学习实战】用随机森林预测在线购物者的购买意向
模型性能分析:模型的准确率为0.91,表明模型在大多数情况下能够正确预测用户的购买意向。这是一个积极的指标,显示模型具有较高的可靠性。精确率为0.84,意味着模型预测的购买用户中有84%是正确的。这有助于提高营销活动的目标性和效率。召回率为0.54,相对较低,指出模型未能识别出近一半的实际购买用户。这可能导致错失销售机会,需要通过调整模型策略或阈值来提升。AUC为0.93,显示模型在区分不同类别方面表现良好。然而,高AUC并不总是直接转化为高召回率,因此需要结合其他指标综合评估。原创 2024-09-06 22:49:35 · 912 阅读 · 0 评论 -
【机器学习实战】用KNN算法预测电信公司的客户是否流失
本次数据集来自UCI机器学习库中的电信流失数据集。该数据集是在 12 个月内从伊朗某电信公司数据库中随机收集的。通过收集客户数据、清洗、选择关键特征、建立预测模型、评估和优化模型等步骤,帮助企业了解客户行为模式,并采取相应措施来最大程度地减少流失、提高留存。原创 2024-08-27 06:42:07 · 1093 阅读 · 0 评论 -
【机器学习实战】用决策树模型预测银行客户是否会认购定期存款
除了以上几种优化还可以从其他方面进行改进:1.本案例中,填充缺失值的方法选择常见类别填充,除此之外还可以选择使用一些机器学习算法预测缺失值进行填充;2.特征编码方法的选择也会影响模型的构建,可以尝试其他编码方法后,选择最佳一种;3.本数据集的正样本和负样本明显不均衡,下一个优化方向可以是对此进行改进;4.调整RFECV方法的基模型或者是选择其他特征选择方法,得到新的特征子集,新的特征子集有可能带来更好的结果;5.我为了熟悉对决策树的应用,只训练了决策树模型。原创 2024-08-07 04:22:51 · 1071 阅读 · 0 评论