# dog_cat_ensemble

**Repository Path**: hi-or/dog_cat_ensemble

## Basic Information

- **Project Name**: dog_cat_ensemble
- **Description**: 此项目是一个机器学习分类器的比较实验，旨在通过不同的分类算法（如逻辑回归、随机森林、SVM等）来对数据集进行分类，并比较它们的性能。该项目包括数据预处理、分类器训练、模型评估以及结果可视化，适合用于机器学习初学者理解和比较不同分类算法的效果。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2023-12-05
- **Last Updated**: 2023-12-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 项目描述
此项目是一个机器学习分类器的比较实验，旨在通过不同的分类算法（如逻辑回归、随机森林、SVM等）来对数据集进行分类，并比较它们的性能。该项目包括数据预处理、分类器训练、模型评估以及结果可视化，适合用于机器学习初学者理解和比较不同分类算法的效果。

## 功能
- 数据加载和预处理：使用`numpy`和`faiss`对数据进行加载和预处理。
- 分类器训练：包括逻辑回归、随机森林、SVM、硬投票、软投票、Bagging、Pasting、AdaBoost、梯度提升、堆叠等多种分类器。
- 性能比较：比较不同分类器在同一数据集上的训练时间、预测时间和准确率。

## 依赖
- `numpy`
- `faiss`
- `scikit-learn`
- `xgboost`
- `tabulate`

## 使用
1. 安装所有依赖项：确保已安装上述依赖库。
2. 运行脚本：运行Python脚本，以进行数据预处理、模型训练和评估。
3. 查看结果：结果将以表格形式打印，展示每种分类器的训练时间、预测时间和准确率。

## 注意
- 确保数据集路径正确，以便脚本能够正确加载数据。
- 根据系统性能，训练和评估过程可能需要不同的时间。

## 个人信息
[TODO: 此处填写个人信息]
- 学号: XXX
- 年级: 20XX
- 专业: 智能科学与技术
- 班级: XXX 班