火花基金会实习 Spark Foundation数据科学和分析实习任务存储库。 任务1：StudentMarksPrediction根据学习的小时数来预测学生的分数使用线性回归对自变量的无变量回归Hours来预测可靠变量Score，并进一步使用此回归模型来预测学习了9.25的学生的分数小时/天。 模型验证已通过“适用性良好-R2，MSE”进行了评估。 还测试了T检验和F检验统计量以评估模型。 任务2：使用无监督ML进行预测任务：从给定的“ IRIS”数据集中预测最佳聚类数，并以可视方式表示

时间序列聚类全球恐怖主义数据库 使用时间序列聚类对全球恐怖主义数据库进行探索性分析。 首先，我进行EDA并将数据集按国家转换为多元时间序列格式。 然后，我探索了许多用于找到时间序列簇的质心的技术，所有这些技术都将动态时间规整作为距离度量。

探索性数据分析-恐怖主义 所需的Librabies：- 1.pandas 2.numpy 3.math 4.seaborn 5.matplotlib 6.plotly 7.folium