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Hours进行无变量回归以预测可靠变量分数，并进一步使用此回归模型来预测每天学习9.25 hrs的学生分数。 模型验证已通过“适用性良好-R2，MSE”进行了评估。 数据集-https:

火花基金会实习

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Hours进行无变量回归以预测可靠变量分数，并进一步使用此回归模型来预测每天学习9.25 hrs的学生分数。 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：使用无监督的ML进行预测 任务：根据给定的“ IRIS”数据集，预测最佳聚类数并直观地表示

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