Machine Learning Repository - HuNguyen51

Một dự án học máy toàn diện trên bộ dữ liệu thời tiết (Weather Dataset), bao gồm:

📌 Nội Dung Chính

• Phân cụm dữ liệu: Sử dụng thuật toán K-Means để chia dữ liệu thành 7 cụm
• Phân loại dữ liệu: Áp dụng hơn 10 phương pháp học máy để phân loại:
  • SVC (Support Vector Classifier)
  • Naive Bayes (Multinomial & Gaussian)
  • Logistic Regression
  • K-Nearest Neighbors
  • Decision Tree
  • Neural Networks (MLP)
  • Ensemble Methods:
    • Random Forest
    • AdaBoost
    • Bagging
    • Voting Classifier
  • Deep Neural Network (Keras)

📊 Dữ Liệu

• File weathers.csv chứa dữ liệu thời tiết từ năm 2015–2021 (2.430 bản ghi)
• Các đặc trưng: nhiệt độ, độ ẩm, tốc độ gió, áp suất, lượng mưa, v.v.

📈 Kết Quả

• Có biểu đồ thống kê so sánh hiệu suất các phương pháp
• Deep Neural Network đạt độ chính xác 94.74% trên tập test
• Các chỉ số Precision, Recall, F1-Score được tính toán chi tiết

📝 Công Nghệ

• Ngôn ngữ: Python
• Thư viện: TensorFlow/Keras, Scikit-learn, Pandas, NumPy, Matplotlib, Seaborn
• Định dạng: Jupyter Notebook (main.ipynb)