MIDAS-internship-tasks

MIDAS实习任务 数据预处理-> 机器学习模型-> LSTM-> 变形金刚-> 我在数据上尝试过的所有模型的摘要。 方法 准确性 朴素贝叶斯 0.84 随机森林 0.93 XGBoost 0.96 SGD分类器 0.98 LSTM 0.923 罗伯塔 0.9642 为了衡量每个班级的表现，我使用了加权精确度，召回率和f1得分（可以在每个笔记本的分类报告中找到），并且为了衡量整体表现，我使用了准确性。 可以看出，SGDClassifier的准确性最高。 XGBoost和RoBERTa位居第二。 但是，由于变压器模型的复杂性和训练时间，RoBERTa并不是执行此任务的理想选择，尤其是当我们通过更简单的模型获得可比的结果时。 为了提高模型的性能，我们可以尝试超参数调整和使用更多数据。 我们还可以尝试将其他功能与产品描述一起使用，例如产品名称，这也可以很好