Upload New File

人工智能系统实战第三期/实战代码/基于回归分析的大学综合得分预测/README.md

+# 基于回归分析的大学综合得分预测
+# 基于回归分析的大学综合得分预测
+
+**数据集链接：** [数据集链接](https://pan.baidu.com/s/16XEcMOwpecBvN4bGCSgjZw?pwd=wmdg)
+
+项目中将使用Kaggle的数据集，利用线性回归模型，依据大学各项排名的指标来预测其综合得分。可以使用sk-learn等第三方库，不要求自己实现线性回归。
+
+## 基础任务（80分）：
+
+1. 观察和可视化数据，揭示数据的特性。
+2. 训练集和测试集应按照7:3的比例随机划分，采用RMSE（均方根误差）作为模型的评估标准，计算并获取测试集上的线性回归模型的RMSE值。
+3. 对线性回归模型中的系数进行分析。
+4. 尝试使用其他类型的回归模型，并比较其效果。
+
+## 进阶任务（20分）：
+
+1. 尝试将地区的离散特征融入到线性回归模型中，然后比较并分析结果。
+2. 利用R2指标和VIF指标进行模型评价和特征筛选，尝试是否可以增加模型精度。
+
+## Tips：
+
+- 需要查看数据，对数据做简单的清洗
+- 选取的重要特征为：'quality_of_faculty', 'publications', 'citations', 'alumni_employment', 'influence', 'quality_of_education', 'broad_impact', 'patents'
+- 标签为：'score'
\ No newline at end of file