applied_machine-learning-COMP-598-mini-project4

交通预测方法 在这个项目中，我们使用不同的分类器和预处理步骤来处理“旅行分类方法”任务。该数据集是康考迪亚大学私有 TRIP 数据集的增强版本，结合蒙特利尔 OpenData 的气态污染物数据和天气网络数据。性能比较了逻辑回归、前馈神经网络、支持向量机（SVM）和随机森林，随机森林的准确率最高，为72.7%，其次是神经网络（54%）、逻辑回归（53.5%）和SVM分别具有径向基函数 (RBF) 核 (52.7%)。