我正在做一个预测项目(为了好玩),基本上我从nltk中提取了男性和女性的名字,将名字标记为‘男性’或‘女性’,然后获得每个名字的最后一个字母,最后使用不同的机器学习算法来训练和预测基于最后一个字母的性别因此,我们知道Python的sklearn不处理分类数据,所以我使用LabelEncoder将最后一个字母转换为数值: name last_letter gender在训练模型之后(让
我对随机森林回归有一个深刻的理解。目标是一个大学项目:我们要用R中的财务数据做随机森林回归分析,我已经读了很多小时的随机森林例子,它们大多是分类类型,比如预测股票价值是上升还是下降。我的想法如下:Date | Open | High | Low | Close | Volume
...I可以添加一些技术仪器,如RSI