107051 پروژه ژوپیتر نوت بوک

---

شرح پروژه

من داده ورودی و خروجی به روش های هوشمند یادگیری ماشین که شامل شش روش یادگیری ماشین( درخت تصمیم، جنگل تصادفی، XGBOOST, SVR , شبکه عصبی مصنوعی، یادگیری جمعی) هست را به شما میدم، و کدهای روش ها را میخوام با نتایج روش ها که معیارهای خطا RMSE, MAE, MAPE, R2 مناسب برای TEST و TRAIN را انجام بدن، و 10 FOLD CROSS VALIDATION هم انجام بدن, امکانش هست؟
بله الان اکسل داده ورودی به روش های هوشمند را میفرستم فقط چند تا اکسل هست که در هر اکسل چند ورودی و یک خروجی دارم و نتایج خطا RMSE, MAE, MAPE, R2 برای تست و آموزش و 10 FOLD CROSS VALIDATION میخواستم درست حساب بشه. یعنی برای هر اکسل مشخص میکنم ورودی و خروجی به شش روش هوشمند چی هست. و کدهای این شش روش و نتایجش را میخواستم.
با نرم افزار ژوپیتر نوت بوک انجام بشه چون استاد در این نرم افزار درس میدهند
چشم. چندتا اکسل هست میفرستم.
این اکسل اصلی هست که در آن ورودی و خروجی به روش های یادگیری ماشین مشخص شده. میخواستم کد شش روش یادگیری جمعی که فرستادم ( درخت تصمیم، جنگل تصادفی، XGBOOST, SVR , شبکه عصبی مصنوعی، یادگیری جمعی) برای این اکسل در نرم افزار ژوپیتر نوت بوک از آناکوندا زده بشه. که خطاهای RMSE, MAPE. MAE, R2 برای تست و آموزش جدا بدهد و نمودار رگرسیون را برای تست و آموزش با دو رنگ جدا زده شود و این مقادیر خطا برای 10 FOLD CROSS VALIDATION هم زده شود. به گونه ای که بین شش روش یادگیری، روش XGBOOST از بقیه بهتر شود. ضمنا خیلی مهم هست که مقادیر R2 روش ها بالا در حد 0.8 به بالا شود. نسبت تست به آموزش هم 30 به 70 باشه. در کل R2 بالا خیلی مهم هست. و خطاهای دیگر هم در حد 0.2 شود و MAPE زیر 10 درصد شود.
این هم بقیه اکسل هام هست. که در این اکسل ها هم ورودی و خروجی مشخص هست و همان الگوریتم ها با نتایج خوب برای این اکسل ها هم پیاده شود.

این پروژه شامل 9 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---