第一名 林佳穎
- svm：0.98130
- GaussianNB：0.55580
- Random Forest：0.96960
- XGBoost：0.98130
- LightGBM：0.80560
- KNN：0.97050
- DecisionTree：0.75680
- Catboost：0.85170
- 最佳方法：Svm與XGBoost，其訓練準確率均為0.98130
- 最差方法：GaussianNB，其訓練準確率為0.55580
|
第二名 唐宜暄
- svm：準確度97.92%，試過增加gamma但準確度皆下降
- GaussianNB:model單純貝氏：準確度55.58%，沒有找到可調整的參數
- Random Forest：準確度97.14%，是將n_estimators由200調整至180獲得的最高數據，再往下或往上調則數據下降
- XGBoost：準確度97.29%，是將n_estimators調至125、learning_rate調至0.6獲得的最高數據
- lightGBM：準確度97.92%，是將n_estimators調至200、learning_rate調至0.1獲得的最高數據
- CatBoost：準確度97.27%
- KNN近鄰演算法：準確度96.91%，是將n_estimators調1獲得的最高數據
- 聚類分析K-Means：準確度9.8%，原本沒有參數試試0.049，增加參數後0.098已是最高數據
- 決策樹：準確度88.64%，是將max_depth調至22獲得的最高數據，在往上或往下調都會使數據下降
測試結果聚類分析K-Means方法最差
|
第三名 張鳳詩
SVM的測試結果最佳，其測試出的準確率為0.97920，不過加上訓練時間來看的話，以準確率為0.97270的lightGBM更佳。
DecisionTree的測試結果最差，其測試出的準確率只有0.49180，加上訓練時間，比同樣準確率低的GaussianNB(準確率:0.55580)還差。
|
