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. The-Sparks-Foundation-Internship:使用监督的ML（级别-初学者）进行预测●根据编号预测学生的百分比。学习时间。 ●这是一个简单的线性回归任务，因为它仅涉及2个变量。 ●您可以使用R，Python，SAS En

  2. 火花基金会实习 使用监督的ML进行预测。根据编号预测学生的百分比学习时间。这是一个简单的线性回归任务，因为它仅涉及2个变量。您可以使用R，Python，SAS Enterprise Miner或任何其他工具。数据可在上找到。如果学生每天学习9.25小时，则预期成绩是多少？

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：22kb
    • 提供者：weixin_42117267

  1. TSF-Internship:该存储库包含我与The Sparks Foundation的“数据科学与业务分析实习”相关的工作-源码

  2. TSF实习 该存储库包含我与The Sparks Foundation的“数据科学与业务分析实习”相关的工作。 相关矩阵（用于特征）-> 物种数据饼图-> 决策树图形视觉->

  3. 所属分类：其它

  1. The-Sparks-Foundation-Internship-源码

  2. 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

  3. 所属分类：其它

  1. The-Sparks-Foundation-Internship-源码

  2. 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

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：63kb
    • 提供者：weixin_42104366

  1. The-Sparks-Foundation-Internship:数据科学与业务分析任务-源码

  2. 火花基金会实习 数据科学与业务分析任务

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：194kb
    • 提供者：weixin_42135073

  1. DataScience-源码

  2. Sparks基金会的任务 该存储库包含我作为The Sparks Foundation实习生时完成的任务。 ● Internship Category - Data Science and Business Analytics ● Internship Duration - 1 Month ( MARCH-2021 ) ● Internship Type - Work from Home 任务1：使用监督的ML进行预测（级别-初学者） ● Predict the percentage of

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：300kb
    • 提供者：weixin_42176827

  1. THE-SPARKS-FOUNDATION：该存储库包含我作为[THE SPARKS INTERNSHIP]实习生时完成的任务（https：www.thesparksfoundationsingapore.org）-源码

  2. Sparks基金会的任务 该存储库包含我作为实习生时完成的任务 实习类别-数据科学和业务分析 实习期限-1个月（FEB-2020） 实习类型-在家工作 ＃Task-1：使用监督式ML的预测（级别-初学者） 请单击右侧的图像查看我的解决方案。 根据学习时间预测学生的分数百分比。 这是一个简单的线性回归任务，因为它仅涉及2个变量。 数据可在找到 您可以使用R，Python，SAS Enterprise Miner或任何其他工具。 如果学生每天学习9.50小时，则预计得分是多少？ ＃Ta

  3. 所属分类：其它