Mini Project

主題：Pima Indians Diabetes Database Classification

專題連結：Data Mining mini project

內容說明：

完成 Kaggle Competition: Diabetes Classification 並撰寫一份詳細報告，對資料集特徵進行說明與分析，以及解釋實做方式與結果。

實做摘要：

首先，我在報告中對資料集 Pima Indians Diabetes 進行了完整的特徵說明與分類，並做了初步的缺失值檢查。

接著，我對特徵進行了異常值分析處理、計算了各特徵的 Person Correlation Coefficient 以進行關聯性分析、並使用了 StandardScaler 來將特徵的數值標準化。

最後，我使用 Scikit-learn 中的 Logistic Regression 進行分類實做，並觀察 Confusion Matrix 與計算 Precision、Recall、F1 Score、以及各特徵的回歸係數，以進行結果分析。

另外，報告中使用了數張 Matplotlib 圖表進行了資料的視覺化分析。

技術：

  • Python3：主要使用語言。
  • Scikit-learn：資料分析與機器學習套件。
  • Matplotlib：圖表繪製。
  • Classification：使用了 Logistic Regression 作為分類方法。

Final Project

主題：K-Means Clustering and hit song science

專題連結：Data Mining Final Project

內容說明：

  1. 實做 K-Means Clustering 類別，包含不同的算法策略，並對其進行效能分析。接著，

  2. 對資料集 Hit song science 進行分群分析，並撰寫一份完整的分析報告。

實做摘要：

我參照 Scikit-learn 的 K-Means 類別界面實做了一個完整的 K-Means 類別，以及一個用以回傳結果的資料類別，其包含了數種可調參數、兩種初始化中心算法 random 與 kmeans++、兩種迭代算法 lloyd 與 elkan、以及，我還額外實做了平行處理的方法。

然後，我對 K-Means 進行了不同算法組合的性能分析，並使用此類別對資料集 Hit song science 進行了完整的分群分析。

技術：

  • Python3：主要使用語言。
  • Scikit-learn：資料分析與機器學習套件。
  • Matplotlib：圖表繪製。
  • Clustering：K-Means 分群分析。
  • multiprocessing：在算法中額外進行了平行處理。