پیاده سازی مسئله classification باینری به زبان پایتون
شش سال پیش منتشر شده
تعداد بازدید: 659
کد پروژه: 164862
شرح پروژه
یک dataset از بورس تهیه شده که دارای 1338 سطرو 435 ستون feature میباشد. داده های Train از سطر 2 تا سطر 1271 و داده های Test از سطر 1272 تا 1338 در نظر گرفته شده است. در واقع 67 سطر آخر dataset باید به عنوان داده های تست در نظر گرفته شود. مسئله مطرح شده یک binary classification هست و در واقع label ها 0 و 1 هستند.
مطلوب است با استفاده از classification نتایج زیر حاصل شود :
حالت خوب
55% < TP_Rate
85% < TN_Rate
70% < Precision
75% < Recall
حالت عالی:
60% < TP_Rate
90% < TN_Rate
80% < Precision
80% < Recall
جهت یادآوری، فرمول های محاسبه رو توی فایل پیوست قرار دادم. هزینه پروژه به دو شکل پرداخت میشه. در واقع در صورتیکه حالت عالی محقق بشه، هزینه بیشتری پرداخت میشه.
چند نکته مهم :
- تغییر دادن داده های train و test مجاز نیست.
- تغییر دادن label ها مجاز نیست.
- در صورتیکه دقت های ارائه شده محقق نشوند عملا پروژه انجام نشده و هیچ هزینه ای تعلق نخواهد گرفت.
من در ادامه یک دیتاست جدید هم آپلود کردم که علاوه بر تغییرات جزئی مقادیر، سه ستون label داره که به روش های مخیلف لیبل گذاری شده. اگر روی هر کدوم از این ستون ها هم به نتیجه مورد نظر برسید، کفایت می کنه. در واقع سه ستون label_3 , label_1 , label_1 رو به داده ها اضافه کردم که در هر تست یک ستون رو به عنوان label استفاده کنید. البته نکته مهم اینه که همزمان نمیشه از داده های label ها بصورت اشتراکی استفاده کرد. در واقع قبل از پیاده سازی، باید یکی از سه ستون آخر انتخاب بشن.
این پروژه شامل 3 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
7روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت شش سال پیش
