注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. kiml1-源码

  2. 你好呀 :waving_hand: 我在巴西出生和长大，毕业于Embry-Riddle航空大学和韩国科学技术高等研究院（KAIST），并获得了航空工程学学位。 完成了关于数据科学和全栈开发的两个训练营。 专案 一世。 识别医疗保险公司的提供商欺诈· · 开发的机器学习模型可通过预测欺诈性索赔帮助保险公司每年节省100,000美元。 ii。 预测和最大化数据挖掘公司的房屋价值· · 创建了堆叠式机器学习模型，以生成高精度的房地产价格预测并确定增加销售价格的关键功能。 iii。 电子竞技··

  3. 所属分类：其它

  1. HousingRealestate_project-源码

  2. HousingRealestate_project 房屋预测项目 介绍 在该项目中，对多个线性回归模型进行了优化，以预测西雅图金县的房屋价格。在项目开始时提出了三个有关住房的重要问题，并在项目结束时回答了三个重要问题。 动机 建立了线性回归模型，以帮助房地产公司的房地产顾问明智地选择可以成为良好投资并带来利润的房屋。基于各种观点对线性回归模型进行了评估。第一个目标通常是产生一个模型，该模型可以预测金县的房屋价格销售。第二个目标是生成一个仅可以基于外部地理/物理特征预测房屋销售价格的模型。该分析可

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：12mb
    • 提供者：weixin_42135754

  1. Predicting-House-Prices:线性回归使用Turicreate预测房价-源码

  2. 预测房屋价格 使用Turicreate进行线性回归以预测房价。 在这里，我们可以使用graphlab或turicreate框架。 Turi Create简化了自定义机器学习模型的开发。 您无需成为机器学习专家即可向您的应用添加建议，对象检测，图像分类，图像相似度或活动分类。 因此，我们在这里使用Turicrete。 在本笔记本中，我们将使用金县的房屋销售数据，通过简单的（一次输入）线性回归来预测房价。 使用graphlab SArray和SFrame函数计算重要的摘要统计信息 编写函数以使用

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：43mb
    • 提供者：weixin_42110469

  1. XGBoost-Model-源码

  2. XGBoost模型 该项目使用XGBoost模型预测销售价格，然后将结果与其他算法（例如，Random Forest和Decision Tree）进行比较。 资料栏位 这是您将在数据描述文件中找到的内容的简短版本。 SalePrice-物业的销售价格（以美元为单位）。 这是您要预测的目标变量。 MSSubClass：建筑类MSZoning：总体分区分类LotFrontage：连接到属性Lot的街道的线性英尺LotArea：平方英尺的地块大小Street：道路通道的类型Alley：胡同通道的类型

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：631kb
    • 提供者：weixin_42121086

  1. Advanced-Regression-源码

  2. 高级回归 作业问题 美国一家名为Surprise Housing的住房公司已决定进入澳大利亚市场。 该公司使用数据分析以低于实际价格的价格购买房屋，然后以较高的价格出售房屋。 出于相同的目的，该公司从澳大利亚的房屋销售中收集了一个数据集。 数据在下面的CSV文件中提供。 该公司正在寻找有待购买的房地产以进入市场。 您需要使用正则化来构建回归模型，以便预测预期属性的实际价值并决定是否进行投资。 该公司想知道： 哪些变量在预测房屋价格方面很重要，以及 这些变量描述房屋价格的能力如何。 此外，

  3. 所属分类：其它

  1. DSI_Project2-源码

  2. 项目2：爱荷华州住房 内容： 背景 线性回归是一种非常流行的模型，它是根据一个目标变量（或因变量）与一个或多个解释变量（因变量）之间的关系而创建的。 在此回归挑战中，爱因斯爱荷华州住房数据集用于构建模型，可以预测每所住房的估计售价。 通过获得模型，不仅可以预测价格，而且可以研究影响价格的每个功能的重要性。 通过进一步分析，该模型可以帮助卖方或对提高其销售价格感兴趣的任何人正确地改善其房屋并获得可能的最高价格。 问题陈述 对于想要出售房屋的客户，当前的估计售价是多少？ 还有什么可以提高价格的改进

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：11mb
    • 提供者：weixin_42157166

  1. Sale-price-predictor:使用来自Kaggle的房屋数据来预测房屋的销售价格-源码

  2. 售价预测器 使用来自Kaggle的房屋数据来预测房屋的销售价格

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：264kb
    • 提供者：weixin_42099116

  1. butler-project3-groupj-源码

  2. 巴特勒-项目3-groupj 凯尔·奥马利（Kyle O'Malley），西琳·凯利菲（Sirine Khelifi）和比尔·泰勒（Bill Taylor） 选择的提案：提案8 –房价预测 理由：创建历史热图和房屋销售的ML预测 数据集链接： : 脚步： 下载数据，并将其放置在SQL数据库中，清理并通过PowerBI连接到它。 将数据库复制到Heroku以进行共享。 创建一个地图，该地图通过对值进行分类来显示单个家庭住房的价格，然后创建一个滑块以显示年份和房屋价值。 在Python中为未

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：64mb
    • 提供者：weixin_42160252

  1. HOUSE_PRICE_PREDICTION-源码

  2. HOUSE_PRICE_PREDICTION 要求购房者描述他们的梦想中的房子，他们可能不会从地下室天花板的高度或与东西方铁路的距离开始。 但是，这场运动场比赛的数据集证明，与价格或卧室或白色栅栏的数量相比，影响价格谈判的因素更多。 借助79个解释性变量（几乎）描述了爱荷华州埃姆斯市住宅的方方面面，本次竞赛要求您预测每个房屋的最终价格。 数据字段这是一个简短的版本： SalePrice-物业的销售价格（以美元为单位）。 这是您要预测的目标变量。 MSSubClass：建筑类MSZonin

  3. 所属分类：其它

  1. Udacity-Capstone-房屋价格预测-使用Azure-ML-源码

  2. 房屋价格：先进的回归技术 项目目标：根据房屋功能预测房屋价格。 如果您是房屋的购买者或卖方，但您不知道房屋的确切价格，那么监督型机器学习回归算法可以帮助您预测仅提供目标房屋功能的房屋价格。 预测每所房屋的销售价格是我的工作。 对于测试集中的每个ID，我必须预测SalePrice变量的值。 *指标提交的值是根据预测值的对数与观察到的销售价格的对数之间的均方根误差（RMSE）进行评估的。 （记录日志意味着预测昂贵房屋和廉价房屋的错误将同等地影响结果。） 项目设置与安装 可选：如果您的项目有任何特殊

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：441kb
    • 提供者：weixin_42126865

  1. 温哥华家的预测-源码

  2. 温哥华家的预测 在业务分析硕士课程期间，该模型是描述性和预测性分析课程最终项目的一部分。 已对工作进行了修改，以找出潜在投资候选者的低估物业。 概述 使用有关房屋的随时可用的信息，可以建立模型来预测其销售价格。 以下内容被视为潜在的解释变量： 上市天数（天） 总建筑面积（​​平方英尺） 年龄（岁） 地段面积（平方英尺） 该模型中使用的数据集（“房屋销售数据Vancouver.csv”）是从2019年至2020年初在温哥华的独立屋销售中收集的。销售价格的最高限额为$ 3百万。 脚步 探索

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：35kb
    • 提供者：weixin_42129970

  1. KC-房屋-销售-价格-推断模型：建立金县房屋销售价格的多元线性回归推断模型-源码

  2. 预测金县的房屋销售价格 目的：使用给定的数据集（致力于此回购）建立并运行多元线性回归模型，以预测金县的房屋销售价格。 博客： ： 回购内容 Python模块（在“ module2_scr ipts”文件夹中） formatter.py-包含检查原始数据格式并执行数据重新格式化的功能。 spacer.py-包含将变量拆分和分类到各自类别（即从属，连续，分类，二进制等）的功能。 cleaner.py-包含用于显示有关数据清理的数据诊断报告并执行清理操作的功能。 preprocessor

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：10mb
    • 提供者：weixin_42162978

  1. 房屋销售预测-源码

  2. 房屋销售预测

  3. 所属分类：其它

  1. GA-DSI-Project-02-源码

  2. GA-DSI-Project-02 介绍 该项目的目的是开发一种机器学习模型，该模型可以基于与每个房屋的属性有关的数据来预测房屋的价格。 将回归迭代地用于特征选择以完善模型。 数据 提供2组数据： 训练数据包括2,051行。 每行有80个功能以及销售价格（共81列） 测试数据包括879行。 每行有80个功能。 未提供销售价格（由模型预测）。 数据包括连续（数字），序数（离散有序）和标称（离散无序）变量。 提供了数据字典。 项目提交 提交的内容包括2个Jupyter笔记本： 1）02 Da

  3. 所属分类：其它

  1. 房价预测-竞争激烈-源码

  2. 房屋价格：先进的回归技术 预测销售价格并实践功能设计，RF和梯度提升 比赛说明 要求购房者描述他们的梦想中的房子，他们可能不会从地下室天花板的高度或东西铁路的距离开始。 但是，这场运动会比赛的数据集证明，与价格的影响相比，卧室或白色栅栏的数量影响更大。 借助79个解释性变量（几乎）描述了爱荷华州埃姆斯市住宅的方方面面，本次竞赛要求您预测每个房屋的最终价格。 练习技巧 创意功能工程 先进的回归技术，例如随机森林和梯度增强

  3. 所属分类：其它

  1. 房屋价格-源码

  2. 房屋价格：先进的回归技术可以预测销售价格，并进行特征工程，RF和梯度提升 这个项目是在kaggle中提出的，其目标是建立一个评分较高的机器学习系统，以预测测试集中房屋的价格。 这是链接： : 我第一次用拉索回归器解决了这个问题

  3. 所属分类：其它

  1. 预测美国国王县的房屋销售-源码

  2. 预测美国国王县的房屋销售

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：35kb
    • 提供者：weixin_42140625

  1. 房屋销售预测-源码

  2. 房屋销售预测

  3. 所属分类：其它

  1. Project-IBM-House-Sales：美国金县的房屋销售-源码

  2. 美国国王县房屋销售 该数据集包含包括西雅图在内的金县的房屋售价。 其中包括2014年5月至2015年5月之间出售的房屋。 我将在本项目中讨论这些模块以分析数据 ...模块1：导入数据集 模块2：数据整理 模块3：探索性数据分析 模块4：模型开发 单元5：模型评估和完善 在数据分析生命周期的最后阶段。 在此阶段，必须尝试提高数据模型的效率，以便可以做出更准确的预测。 最终目标是将模型部署到生产或类似生产的环境中以最终接受 。

  3. 所属分类：其它

  1. 预测房屋销售价格-源码

  2. 预测房屋销售价格

  3. 所属分类：其它

« 12 »