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. machine_learning_projects::robot:机器学习项目-源码

  2. 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

  3. 所属分类：其它

  1. Capstone_project_Titanic_Survival:这是Udacity机器学习纳米学位项目的回购，用于泰坦尼克号灾难生存预测-源码

  2. 使用机器学习预测泰坦尼克号灾难的生存 我为Udacity的机器学习工程师Nanodegree设计的项目重点是根据包含乘客数据（例如姓名，年龄，性别，社会经济舱等）的数据集，预测哪些乘客在泰坦尼克号沉船事故中幸存下来。 也就是说，我们正在尝试建立一个预测模型来回答以下问题：“什么样的人更有可能生存？” 该项目的目标属于分类类别。 为了解决此问题，我同时使用了Azure的自动ML（AutoML）功能和Azure的HyperDrive超参数调整工具。 比较每个实验中的最佳模型以找到性能最高的模型，然

  3. 所属分类：其它

  1. titanic-survivor-prediction:Kaggle泰坦尼克号ML挑战-源码

  2. 泰坦尼克号幸存者的预测 这是机器学习竞赛的第一步。 挑战 :ship: 泰坦尼克号在1912年的首次航行中沉没，造成了一半以上的乘客生命。 给出了两个数据集，即train.csv和test.csv。 这两个数据集都包含每位登上泰坦尼克号飞船的乘客的信息，唯一的区别是train.csv告诉我们哪位乘客可以幸存，而test.csv却没有。 面临的挑战是建立一个预测模型，以预测test.csv中的哪些乘客更有可能幸存。 问题陈述 使泰坦尼克号乘客得以生存的特征（特征）。 预测模型 针对这一挑战，使

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：77kb
    • 提供者：weixin_42140716

  1. titanic_dataset：进行中-此分析着重于基于titanic崩溃的数据集。 我们被要求查看数据并创建一个机器学习模型，该模型可以证明某些乘客群体与生存可能性之间是否存在任何潜在的相关性。 该项目展示了数据可视化技术，数据清理，数据

  2. titanic_dataset 目的 如上图中的Kaggle所述，此挑战的目的是检查有关泰坦尼克号沉没的数据，以建立生存能力的预测模型。 我将在自己对此数据集的分析中尝试回答以下问题： 财富决定了您生存的可能性吗？ 如果是的话多少钱？ 年龄是一个人的生存率的决定因素吗？ 探索性数据分析 分析的这一部分着重于使自己熟悉数据，并针对任何潜在问题或特殊考虑对数据进行探索。 一个很好的起点是查看训练数据的列及其各自的数据类型。 这确保了所有收集到的数据将能够被相应地操纵。 我们可以立即确定数

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：911kb
    • 提供者：weixin_42134094

  1. Titanic-ML-From-Disaster：使用Kaggle ML竞赛中提供的数据集来预测Titanic的生存-源码

  2. 泰坦尼克号：从灾难中学习机器 用Kaggle的ML竞赛中给出的数据集预测泰坦尼克号的生存时间 使用给定的数据集使用不同的算法训练模型，例如：Logistic回归，最近邻（kNN），支持向量机（SVM），内核SVM，朴素贝叶斯，决策树和随机森林分类 以不同方式可视化数据以清楚地理解它。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：130kb
    • 提供者：weixin_42137022

  1. Titanic_kaggle：使用机器学习模型在Kaggle Titanic数据集上进行实践以预测生存-源码

  2. 泰坦尼克号-从灾难中学习机器 创建于2020年3月。 预测泰坦尼克号的生存时间，并熟悉ML基础知识 参考： 任务： EDA（探索性数据分析） a. check basic info of dataset b. Data Visualization 数据处理 a. deal with missing value b. Transforms categorical features to vectors 适合不同型号 a. Random Forest b. XGBoost 预测ka

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：103kb
    • 提供者：weixin_42153793

  1. 生存的泰坦尼克号：机器学习模型-源码

  2. 泰坦尼克号幸存 机器学习模型

  3. 所属分类：其它

  1. Titanic_Survival_Prediction：来自Kaggle灾难竞赛的Titanic机器学习笔记本-源码

  2. 预测泰坦尼克号的生存 这是我参加Kaggle竞赛的笔记本，《泰坦尼克号的机器学习从灾难》。 该笔记本的目的是从泰坦尼克号数据集中探索有趣的事物，并建立一个预测模型，以说明乘客在泰坦尼克号沉船事故中幸存下来。 比赛网站： : 目录 加载并检查数据 数据清理 探索性数据分析 特征工程 转换数据格式 造型

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：287kb
    • 提供者：weixin_42136826

  1. 通过机器学习和图形用户界面预测在泰坦尼克号上的生存：该程序包含干净而优美的图形用户界面（GUI），可通过使用8种机器学习模型和数据可视化工具进行交互不同的Python库。 用户可以通过选择要在测试数据上运行的模型来与GUI交互，然后将其带到

  2. 使用机器学习和图形用户界面在泰坦尼克号上的乘客的生存 该项目包含一个干净优美的图形用户界面（GUI），该界面通过使用不同的Python库与8种机器学习模型和数据可视化工具进行交互。 在Rutgers，我们了解到Python是一种很棒的通用语言，它为所有专业的开发人员提供了极大的通用性。 因此，我们决定利用Python对GUI开发的强大支持以及其数据科学和机器学习功能。 使用复杂的RMS Titanic数据集，其中包括有关每个乘客命运（幸存/死者）的信息（根据其经济状况，公平，机舱，社会阶层，亲戚

  3. 所属分类：其它