برنامه نویسی با پایتون
Positive Unlabeled Learning is a binary classification task where the negative label is unknown. With that only the positive label is a 100% correct while the "negative" label can be either positive or negative. This statistical problem should be benchmarked against a normal supervised learning algorithm: CATBOOST. Choose three PU-learning approaches and run them against CATBOOST! در واقع می‌خواد مدل نظارتی رو با نیمه نظارتی مقایسه کنه و دیتاست هم از این سایت انتخاب بشه: Data set: Any data from the UCI machine learning reposity or used for catboost. ." It needs to be "PU-labeled
امتیاز : 0/5
فایل ضمیمه
هیچ فایلی ضمیمه نشده است
تایم لاین پروژه
درخواست پشتیبانی-
در انتظار پرداخت
پرداخت تعرفه ثبت پروژه های غیر رایگان
-
در حال بررسی
برسی و تایید پروژه از طرف مدیرت سایت
-
آماده دریافت پیشنهادها
تایید پروژه و نمایش برای مجریان
-
در انتظار پرداخت هزینه پروژه
پرداخت هزینه اجرای پروژه توسط کارفرما
-
در انتظار پرداخت ضمانت اجرا
پرداخت مبلغ ضمانت اجرا توسط مجری
-
در حال انجام
پروژه شما درحال انجام می باشد
-
انجام شد
اتمام اجرای پروژه
لیست پیشنهادها
- اطلاعات پروژه
- 7040کد پروژه
-
برنامه نویسی با زبانهای مختلف ، طراحی سایت و نرم افزار
دسته بندی - 16 آبان 1402تاریخ ثبت
- 5 روزمهلت اجرا
- 500,000 تومانحداقل بودجه
- 3,000,000 تومانحداکثر بودجه
- 30 درصد ضمانت اجرا
- آماده دریافت پیشنهادها وضعیت