明天是否下雨是人们日常关心的话题,在机器学习中可以把它看作是一个二分类问题并利用一些算法来对明天是否下雨进行预测。本文采取支持向量机(SVM),Adaboost(Adaptive Boosting)及决策树算法(Decision Tree)中的C5.0分别利用澳大利亚八年的天气数据建立模型并对明天是否下雨进行分析与预测。获得大量数据时难免会遇上缺失值,本文为了减少数据信息的损失,采用了K近邻法将整个数据框作为参数,对缺失部分进行填补后再进行建模。在处理样本不平衡时,由于下雨与不下雨的样本量存在一定差异,建模之前使用欠采样平衡样本,而数据的描述性分析在原数据集上进行。本文依次使用了SVM,Adaboost,C5.0。SVM先试了几种核函数,并且调整核函数参数再次进行模型拟合最终得到一个高斯核的最优划分超平面。Adaboost先初步拟合,再进行决策树优化,调整最优树的棵数以及树深再次搭建模型,从而得到一个效果更好的分类器。最后使用C5.0,该算法在C4.5的基础上增加迭代次数并引入代价矩阵对后果更严重的误判进行惩罚来提高模型的性能。为了避免因样本划分带来的随机误差以及过拟合,采用十折交叉验证来求得各个模型的准确率,并对模型性能指标,如查全率,查准率,假正例率,F1-score和Kappa值等进行比较分析。并采用非参数检验来进一步比较SVM,Adaboost,C5.0的拟合效果的好坏。最终得出带有高斯核函数的支持向量机模型预测准确度最高。