Przedstawiłem kilka modeli bibloteki scikit-learn Wcześniej konieczne było wstępne obrobienie danych: Tj. Replace , to . in Petal.Width and change object to float64 data['Petal.Width'] = data['Petal.Width'].str.replace(',','.').astype(np.float64)
There is a data where length is < 0 - remove or reaplace Convert to absolute value data['Sepal.Length'] = data['Sepal.Length'].abs()
Drop nan records if exists data = data.dropna()
Skorzystałem uczenia głębokiego z wykorzystaniem silnika tensorflow - w mojej konfiguracji korzystający z CPU Trenowanie odbyło się na 25 epokach, chociaż zakładam, że zbliżony wynik można byłoby osiągnąć na 15-stu
SELECT * FROM students WHERE student_id IN ( SELECT student_id FROM exam_results AS e_r INNER JOIN class_catalogue as c_c ON c_c .class_id = e_r. class_id WHERE c_c.class_name = ’algebra‘ AND grade >= 4 )