🫘 Dry Bean 多分类 — 机器学习全流程项目

AIT209 机器学习与项目实践 · 期末作业
数据集：Dry Bean Dataset（UCI, 2020）
任务：7 种干豆的分类识别
📖 电子书地址： gigity.gitbook.io/gigity-docs

---

关于本项目

本项目是一个完整的机器学习工程项目，包含总结论文和系统实现两部分。

总结论文按电子书组织，涵盖数据分析、数据预处理、多算法实验和课程总结五大模块。

系统实现采用模块化 Python 工程，由 main.py 统一调度，做到一键训练、一键评估。

快速开始

# 安装依赖
pip install -r requirements.txt

# 运行完整流水线
py src/main.py

目录导航

第一部分：总结论文

章节	内容
第一章	数据集概述
第二章	数据质量分析
第三章	数据预处理与特征工程
第四章	多算法实验
第五章	课程总结与反思

第二部分：系统展示

章节	内容
第六章	系统工程实现

---

算法与结果

排名	算法	测试精度	来源
🥇	SVM (RBF)	93.31%	课堂
🥈	Random Forest	92.36%	课堂
🥉	KNN	91.78%	课堂
4	GCN (图卷积网络)	91.60%	课外 ✨
5	AdaBoost	89.84%	课外 ✨

---

技术栈

Python scikit-learn pandas numpy GitBook

---

最后更新：2026-07-03