可以參考的東西

[cheng1999]

避免 commits conflict 的發生，各自用各自的 ipython file

Dataset:

https://www.kaggle.com/impapan/student-performance-data-set

Paper:

https://repositorium.sdum.uminho.pt/bitstream/1822/8024/1/student.pdf

其它我朋友的實作參考:

資料統計(非模型) HW_6.pdf 期末報告範例_許騫心戴佩涵-Ecoli.pdf 1.pdf 2.pdf 3.pdf https://github.com/cheng0908/DataMining

Keywords:

資料降維：

• PCA

Models:

• Decision Trees (DT)

• Random Forests (RF)

• Neural Networks (NN)

• Support Vector Machines(SVM)

• adaboost

• xgboost catboost

1. Adaboost
2. SVM
3. logistic regression
4. Randomforest 5.CNN Cen Yang sent 3 June at 21:50 Adaboost的衍生：
5. gradient boost
6. xgboost
7. catboost

其它：

• 閒的話 google colab 可以玩玩看

• 預測目標 1: 01 boolean 2: ABCDE grading 3: percentage 數據允許我們預測得更精準， 但是不知道自己可以到什麼程度所以可以嘗試1，2，3的方法來評估 但是2，3不一定成功

[cheng1999]

臣洋你資料預處理有經驗，所以做好了可以給我們參考先