1. Ubuntu系统下，运行 setup.sh 下载数据，或使用数据生成部分自行生成数据。其他系统可根据requirements.txt安装依赖库，并生成或下载数据。
2. 解压下载的".7z"压缩包到"Data/"。 示例:7za x Data/StackExpert.7z -oData

运行"main.py"，可选择以下几种功能：

1. 网格搜索法搜索参数。

   模型会随机生成符合条件的参数网格，并寻找最优参数。参数网格的限制可在"Data/params.json"中修改。实验使用了四种分类器（梯度提升树(GBDT)、极度随机森林、支持向量机、岭回归）和ADASYN过采样算法。 (实验会持续循环进行，可使用Ctrl+C 退出)

2. 寻找最可能的潜在专家。

   模型会根据网格搜索的结果使用最优参数，预测出潜在专家概率最大的20名用户并显示他们的ID。

3. 显示最优参数。

   根据网格搜索的结果筛选出最优参数，并直接显示出来。

4. 模型性能分析。

   模型会根据网格搜索的结果使用最优参数，绘制准确率-召回率曲线，并输出特征重要性的数值。

在运行足够时长的功能[1]后，才能在功能[2-4]中获得较为准确的结果。

Expert data:

Google Drive

Baidu Yun (密码:7jqb)