Therefore, the final model selectio

Therefore, the final model selection will be determined by the F1-score. F1-scores are provided on the Classification Reports 4 and Appendix 2, Table 8, which indicate that the model with default hyperparameters has a 79.64% F1-score, which is 0.36% higher than the model with tuned hyperparameters 79.28%. Therefore, we conclude that tuning with hyperparameters did not help the enhancement of the F1-scores of the model and, hence, with choose GBC with an original dataset as our final model.

結果 (繁體中文) 1:

因此，最終的模型選擇將由F1-分數來確定。設置在分類報告4和附錄2，表8，其表明，與默認超參數的模型具有79.64％的F1-得分，它是比用調諧超參數79.28％模型更高0.36％F1-分數。因此，我們得出結論，調諧超參數沒有幫助模型的F1分數的提高，因此，與選擇GBC與原始數據集作為我們的最終模型。

結果 (繁體中文) 2:

因此，最終的模型選擇將由 F1 分數確定。F1 得分在分類報告 4 和附錄 2 表 8 中提供，表明具有預設超參數的模型具有 79.64% 的 F1 得分，比具有調諧超參數 79.28% 的模型高 0.36%。因此，我們得出結論，使用超參數進行調優無助于增強模型的 F1 分數，因此，選擇具有原始資料集的 GBC 作為最終模型。

結果 (繁體中文) 3:

囙此，最終的車型選擇將由F1成績决定。分類報告4和附錄2錶8中提供了F1分數，表明具有默認超參數的模型的F1分數為79.64%，比具有調整超參數的模型的79.28%高0.36%。囙此，我們得出結論，使用超參數進行調整無助於提高模型的F1分數，囙此，選擇原始數据集的GBC作為最終模型。