文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟，SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡

XGBoost模型 该项目使用XGBoost模型预测销售价格，然后将结果与其他算法（例如，Random Forest和Decision Tree）进行比较。 资料栏位 这是您将在数据描述文件中找到的内容的简短版本。 SalePrice-物业的销售价格（以美元为单位）。 这是您要预测的目标变量。 MSSubClass：建筑类MSZoning：总体分区分类LotFrontage：连接到属性Lot的街道的线性英尺LotArea：平方英尺的地块大小Street：道路通道的类型Alley：胡同通道的类型

Model-Decision-Tree