分类算法
Published:
对UCI Iris和Bank Marketing数据集分别应用KNN、SVM、决策树、随机森林等分类算法，比较模型表现。采用网格搜索优化超参数，使用热力图可视化准确率变化。对实验结果分析得知，随机森林和SVM在泛化能力和稳定性方面表现较好，适合复杂数据集。KNN和决策树实现简单，但对超参数较为敏感，需不断调参。实验过程中通过数据预处理（特征缩放、编码等），有效提升了分类算法的性能，且通过热力图清晰展示了参数选择对模型表现的影响，为后续模型优化提供了指导。
Published:
对UCI Iris和Bank Marketing数据集分别应用KNN、SVM、决策树、随机森林等分类算法，比较模型表现。采用网格搜索优化超参数，使用热力图可视化准确率变化。对实验结果分析得知，随机森林和SVM在泛化能力和稳定性方面表现较好，适合复杂数据集。KNN和决策树实现简单，但对超参数较为敏感，需不断调参。实验过程中通过数据预处理（特征缩放、编码等），有效提升了分类算法的性能，且通过热力图清晰展示了参数选择对模型表现的影响，为后续模型优化提供了指导。