泰坦尼克号 使用部署在Flask前端的EC2上部署的逻辑回归进行泰坦尼克数据集模型预测EC2实例的链接： : :

机器学习项目 该存储库包含我在第一周完成的数据科学项目。 这些项目涵盖数据分析和可视化，功能工程，不同机器学习模型（随机森林，线性回归，决策树，朴素贝叶斯，ARIMA）的应用，超参数优化和正则化，自然语言处理和时间序列分析。 Gapminder-可视数据分析 数据： 目标：创建动画散点图 描述性统计，使用Matplotlib和Seaborn进行绘图 泰坦尼克号-分类项目 数据： 目标：应用机器学习模型预测泰坦尼克号上的乘客生存 探索泰坦尼克号数据集并建立基线模型 训练逻辑回归和随机森林分类

数据科学项目 此回购包含各种数据科学学习项目。 快速概览： connect-4-ai：这是课程挑战的一部分，目的是为玩connect 4产生获胜的maxmax ai，还编写了一个小插件来显示正在玩的游戏的动画。 dorian-gray-analysis：使用NLTK检索有关文本Dorain Gray的一些关键事实（关键名词短语，动词等） 手写解释器：使用无监督学习算法来建立用于识别手写数字的模型。 收入预测器：基于设定标准的随机森林模型收入预测器。 sport-vector-machi

泰坦尼克号数据集：准备的逻辑回归模型和完成的随机森林分析

逻辑回归泰坦尼克数据集