# 机器学习经典算法练习-鲍鱼年龄预测

**Repository Path**: wx114/age-prediction-of-abalone

## Basic Information

- **Project Name**: 机器学习经典算法练习-鲍鱼年龄预测
- **Description**: 基于UCI的Abalone数据集，该数据集详细记录了鲍鱼的性别、尺寸、重量等8个特征。通过本项目，学会如何利用这些特征，通过经典机器学习算法来预测鲍鱼的年龄。算法实践涵盖包含数据处理、模型训练与评估等步骤，助你提升实战能力。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 1
- **Created**: 2024-06-05
- **Last Updated**: 2025-05-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 机器学习经典算法练习-鲍鱼年龄预测

#### 介绍
基于UCI的Abalone数据集，该数据集详细记录了鲍鱼的性别、尺寸、重量等8个特征。通过本项目，学会如何利用这些特征，通过经典机器学习算法来预测鲍鱼的年龄。算法实践涵盖包含数据处理、模型训练与评估等步骤，助你提升实战能力。

#### 数据集介绍
UCI的Abalone数据集是用于机器学习回归任务的经典数据集，它主要关注于根据鲍鱼的物理特征来预测其年龄。以下是关于该数据集的详细介绍：

1. 数据集来源
   - Abalone数据集来自于UCI（University of California, Irvine）机器学习存储库，是一个公开的、用于教学和研究的资源。
2. 数据集目标
   - 数据集的主要目标是基于鲍鱼的物理度量（如长度、直径、高度等）来预测鲍鱼的年龄。
3. 特征属性
   - 数据集中包含了多个特征属性，如：
     - 性别（Sex）：包括雄性（M）、雌性（F）和未知（I）
     - 长度（Length）：最长壳长，单位毫米
     - 直径（Diameter）：垂直于长度的直径，单位毫米
     - 高度（Height）：带肉的壳高，单位毫米
     - 整体重量（Whole weight）：整体鲍鱼重量，单位克
     - 去壳重量（Shucked weight）：肉质重量，单位克
     - 内脏重量（Viscera weight）：内脏重量（放血后），单位克
     - 壳重量（Shell weight）：干燥后的壳重，单位克
4. 目标属性
   - 数据集的目标属性是鲍鱼的年龄，通常以鲍鱼环（鲍鱼壳上的生长环）数量表示，加上1.5即为实际年龄（以年为单位）。
5. 数据量
   - 数据集总共包含**4177条**数据记录。

**标准化与归一化对模型影响**

1. 标准化与归一化对有的数据集有用，可以提升模型性能；
2. 但对我们这个项目的数据集而言，标准化与归一化不能提升模型性能；

![image-1](markdown/image-1.png)


#### 安装教程

1.  pip install jupyter
2.  pip install numpy pandas matplotlib
3.  pip install scikit-learn

#### 使用说明

1.  数据集在dataset中
2.  找到source_code文件夹，在此路径中运行jupyter notebook就行