字母汤

字母汤 客观的 我们正在研究现实生活中的数据，以建立我们自己的机器学习模型，该模型将能够预测由Alphabet汤支付的风险投资的成功。 资源 python，jupyter笔记本，TensorFlow，机器学习 结果 在这个挑战中，我们的数据文件中有34,000多行，最初我们只关注几个点来清理数据。 删除所有不属于我们目标输入的列 删除任何异常值并分类所有稀有类别 使用标准定标器将数值数据标准化 我们使用随机森林作为算法。 hidden_​​nodes_layer1 = 24，hidden_​​nodes_layer2 = 10，hidden_​​nodes_layer3 = 6 我尝试增加n_estimators，在0-2之间更改详细，添加和删除隐藏层。 我无法将准确性提高到75％以上 接下来，我将使用线性回归，因为SVM花费的时间太长，无法进行预测。