没有合适的资源?快使用搜索试试~
我知道了~
文库首页
开发技术
其它
ML_google_Colab:预测分析类型
ML_google_Colab:预测分析类型
共5个文件
ipynb:3个
md:1个
csv:1个
JupyterNotebook
需积分: 9
0 下载量
79 浏览量
2021-02-16
07:46:38
上传
评论
收藏
500KB
ZIP
举报
温馨提示
立即下载
google_Colab
资源详情
资源评论
收起资源包目录
ML_google_Colab-master.zip
(5个子文件)
ML_google_Colab-master
googleplaystore.csv
1.28MB
DATA_ANALYSIS_OF_GOOGLE_APP'S_RATINGS.ipynb
290KB
DataPreprocessing.ipynb
23KB
README.md
16B
Simple_Linear_Regression.ipynb
32KB
共 5 条
1
评论
收藏
内容反馈
立即下载
评论0
去评论
最新资源
DataOther.java
植物大战僵尸杂交版v2.0 By.GoingMac游戏工坊®️.dmg
校园二手信息网站的设计与开发
1_图谱.drawio.svg
磁场优化算法鸢尾花数据集
lineageos upload
lineageos upload
权限认证的数据库设计1
《免费》csdn文章爬取并下载为markdown笔记
定时器PWM输出呼吸灯实验
想知道不知道但想知道
粉丝: 44
资源:
4729
私信
上传资源 快速赚钱
前往需求广场,查看用户热搜
相关推荐
Zomato-ML-SLR模型:分析Zomato数据集的基本思路是,对影响每家餐厅的综合评分的因素,在不同地方建立不同类型的餐厅的态度有一个公正的认识,班加罗尔是这样一个城市,拥有更多超过12,000家餐厅,其中餐厅提供来自世界各地的美食。 每天都有新餐厅开业,该行业尚未饱和,需求日益增加。 尽管需求增加,但是新餐馆很难与老餐馆竞争。 他们大多数人都提供相同的食物。 班加罗尔是印度的IT之都。 这里的大多数人主要依赖餐厅的食物,因为他们没有时间自己做饭。 由于餐馆的需求如此之大,因此研究场所的人口统计学变
Zomato分析 分析Zomato数据集的基本思想是,对影响每家餐厅的总体评分,在不同地方建立不同类型的餐厅的因素有一个公正的认识,班加罗尔是这样一个城市,拥有超过12,000家餐厅,其中餐厅提供来自世界各地的。 每天都有新餐厅开业,该行业尚未饱和,需求日益增加。 尽管需求增加,但是新餐馆很难与老餐馆竞争。 他们大多数人都提供相同的食物。 班加罗尔是印度的IT之都。 这里的大多数人主要依赖餐厅的食
Top-5-Machine-Learning-Risks:OWASP的5大机器学习风险[编辑| 编辑源代码的想法是建立所需的资源,以帮助软件安全社区了解机器学习的新兴技术及其与安全性的关系,向他们警告与使用ML相关的风险,并讨论防御技术。 描述[编辑| 机器学习最近已在多个业务领域重新出现,成为一种功能强大的工具,尤其是当它用于大数据规模的预测分析时。 当将这种技术用于欺诈检测,异常检测,行为分析等安全服务和应用程序时,它变得至关重要。
前五名机器学习风险 OWASP排名前5位的机器学习风险该想法是建立所需的资源,以帮助软件安全社区了解新兴的机器学习技术及其与安全性的关系,向他们发出有关使用ML的风险的警告,并讨论防御措施。技术。
DataFrame:用于统计,财务和ML分析的C ++ DataFrame-在现代C ++中使用本机类型,连续内存存储且不涉及指针
数据框 这是一个C ++统计库,提供类似于Python中的Pandas包的接口。 一个DataFrame可以具有一个索引列和许多内置或用户定义类型的数据列。 您可以采用许多不同的方式对数据进行切片。 您可以加入,合并,分组数据。 您可以对数据运行各种统计,摘要和ML算法。 您可以轻松添加自定义算法。 您可以进行多列排序,自定义选择和删除数据。 和更多 … DataFrame还以访问者的形式包含了大
NYTaxi_XG_Boost_Challenge-kaggle_challenge:我正在尝试NYC出租车持续时间预测Kaggle挑战。 我将结合使用Pandas,Matplotlib和XGBoost作为python库,以帮助我理解和分析Kaggle提供的出租车数据集。 目标是建立出租车持续时间的预测模型。 我还将使用Google Colab作为我的Jupyter笔记本。 我也将在没有Google colab的情况下预测正常系统
Nyc-Taxi-Kaggle-挑战 目标 Kaggle竞赛预测纽约出租车的行驶时间。 该项目的报告在capstone.pdf。 (在这个项目中,我提供了许多链接,如果您是初学者,可以通过这些链接来弄清楚您的概念,如果不理解的话,可以通过project和readme中提供的链接和pdf来了解。) 问题陈述 在本报告中,我们使用来自纽约市出租车和高级轿车委员会的数据来考察Kaggle竞赛,该竞赛要求
ML_heart_disease:python3程序,用于分析各种风险因素之间的趋势并使用ML模型来预测心脏病
数据分析和机器学习模型可预测心脏病 一个python3程序,使用数据分析技术来观察心脏病的各种风险因素之间的趋势。 然后,基于这些风险因素,创建了机器学习模型来预测一个人是否患有心脏病。 ! 建立 安装 安装Python 3.7或更高版本。 安装以下模块: NumPy 大熊猫 matplotlib 海生的 scikit学习 运行程序 下载cleveland.csv文件和heart_dise
Data Collection - CSV_TSV - Google Colab (1).txt
Data Collection - CSV_TSV - Google Colab (1).txt
configure_Apache_Spark_using_Colab:对于Windows用户,配置Spark可能会令人头疼。 幸运的是,我们可以选择使用Google Colab在云中工作。 在这里,我将解释将Apache Spark与Google Colab结合使用所需要的条件
configure_Apache_Spark_using_Colab 在Google Colab中,单击“文件”,然后单击“上传笔记本”。 在configure_Apache_Spark_using_Colab.ipynb中,您将看到所需的所有说明。
Google-Colab:Google Colab
Google-Colab Google Colab
colab_based_projects:Google Colab的笔记本
基于Colab的项目 我的几个项目主要是基于Google Colab进行的工作,这些项目在这里收集。 请注意,其中许多依赖于反向工程神经网络(renn)库,可在此处找到: :
Tesla_Forcasting:我已经开始使用fbprophet和ML模型进行时间序列分析,在这里我将fbprophet用于tesla预测
Tesla_Forcasting 我已经开始使用fbprophet和ML模型进行时间序列分析,在这里我将fbprophet用于tesla预测
Geological-Log-Data-Machine-Learning-with-Python:使用Python中的机器学习(ML)技术分析了美国堪萨斯州一口井的地质测井数据。 对数据进行了概述,清理和分析,以发现重要的模式和关系,通过这些关系和关系我们发现了测井曲线之间的关系以及地层类型与测井曲线之间的关系。 使用此方法,当我们拥有该地区的先验地质知识后,就可以避免使用与地层类型相关或没有相对重要性的测井记录。 而且,一旦使用ML算法训练了数据,就可以成功地进行地层类型的预测
用Python进行地质记录数据机器学习 使用Python中的机器学习(ML)技术分析了美国堪萨斯州一口井的地质测井数据。 对数据进行了概述,清理和分析,以发现重要的模式和关系,通过这些关系和关系我们发现了测井曲线之间的关系以及地层类型与测井曲线之间的关系。 使用此方法,当我们拥有该地区的先验地质知识后,就可以避免使用与地层类型相关或没有相对重要性的测井记录。 而且,一旦使用ML算法训练了数据,就可
ML_Fault理解:实验的复制,描述性统计信息(ANOVA,Chi2square,Wilcoxon,功效计算),相关分析(Kendall-tau),预测模型(逻辑回归)。 目的是研究影响故障理解准确性的因素。 分析的因素是程序员的属性(专业,经验的年限)和任务的属性(持续时间,信心)
ML_Fault了解 目标: 研究影响故障理解准确性的因素(识别导致软件故障的代码的能力)。 分析的因素包括程序员的属性(专业,经验,编码能力)和任务(持续时间,自信心,难度)。 指标: 退出率 任务吸收率 资格分数 任务持续时间 说明尺寸 评价者间的可靠性 数据: 进行两次实验来识别导致软件故障的代码。 实验: E1:5405个任务,777个程序员,10个流行的开源项目中的10个实际失败
Titanic---Kaggle:使用ML分类算法,根据人口统计,家庭状况,机票类型和客舱等因素,预测乘客是否会幸存
泰坦尼克号 根据人口统计,家庭状况,机票类型和客舱等多种因素,使用ML分类算法来预测乘客是否会幸存。
Supervised_ML:分析贷款数据并应用技术预测高风险贷款
监督_ML 分析贷款数据并应用技术预测高风险贷款 在这个项目中,我们不得不采用不同的技术来训练和评估具有不平衡类的模型。 最后的任务是评估这些模型的性能,并就是否应将其用于预测信用风险提出建议。 该项目的目标: 实施机器学习模型。 使用重采样来尝试解决类不平衡问题。 评估机器学习模型的性能。 该项目中使用的通行费和技术: 带贷款数据的csv文件 Python Jupyther笔记本
colab_hashcat:colab_hashcat
colab_hashcat colab_hashcat
easy_DG_BS:易于colab笔记本使用Deep Gaze(https
easy_DG_BS 简单的colab笔记本即可使用Deep Gaze( )或Big Sleep( )
TIL::memo:今天我学到了
今天我学了:technologist_light_skin_tone: 你好呀 :waving_hand: 此页面用于“记录我所学的内容” 我们不从经验中学习。 我们从经验中学习-约翰·杜威 ...∞Colab :hot_beverage: Java :pengu
colab_utils:Google Colab实用程序
Colab实用程序 Google Colab的实用程序功能
Google_Colab:我的Google colab代码,用于整理GDrive文件
Google_Colab 我的Google colab代码,用于组织GDrive文件。 所有这些文件都有望在Google Colab上运行
本科毕业设计-课程设计-基于pyhton+Flask框架+机器学习+NLP的岗位薪资分析与预测项目,web开发、爬虫、ML融合
本科毕业设计-课程设计-基于pyhton+Flask框架+机器学习+NLP的岗位薪资分析与预测项目。项目内容包含web开发、网络爬虫、机器学习等技术 项目选题 岗位薪资分析与预测 项目结构 data/ 爬取的各大招聘网站互联网岗位数据目录 sklearnModel/ 机器学习模型目录 nlpModel/ NLP模型目录 static/ 静态文件目录 templates/ 网页目录 ap
ML静态动态类型检查语义分析
普林斯顿大学作业,ML静态动态类型检查语义分析,该分析先进性静态类型分析,然后基于动态类型,进行运行结果分析。
ssh_Colab
ssh_Colab是一个Python模块,可通过受第三方软件ngrok保护的安全外壳(SSH)连接,促进对Google Colaboratory(Colab)的远程访问。 ssh_Colab使繁琐的例程自动化,以设置TPU运行时应用程序和TensorBoard之类的服务...
Transformers_Google_Colab_Stuffed_Trash_Fix:当您使用Transformers API在Google Colab中训练模型时,您可能会遇到Stuffed Google Drive Trash。 由于Google云端硬盘需要额外手动确认删除垃圾箱,因此您的模型将由于没有足够的可用磁盘而停止。 我只是更改删除方法:我不删除模型,只替换一个空文件:D
Transformers_Google_Colab_Stuffed_Trash_Fix 当您在Google Colab中使用转换器API训练模型时,您可能会遇到Stuffed Google Drive Trash。 由于Google云端硬盘需要额外手动确认删除垃圾箱,因此您的模型将由于没有...
curso_rapido_de_python_para_iniciantes:CursoRápidode Python Para Iniciantes
CursoRápidode Pyhton para Iniciantes CURSORÁPIDODE PYTHON PARA INICIANTES COM GOOGLE COLAB。 Esseéum CURSORÁPIDO和PRÁTICOfornejeter的基础是必要的基础程序,它是程序设计者的反义词。 Nenhum ...
Tensorflow_Object_Detection_with_Tensorflow_2.0:使用带有Google Colab的TensorFlow 2对象检测API的Soccer Player识别
在此项目中,我使用了Google Colab(用于模型训练),Google Drive(用于存储)和Local machine(用于模型测试)。 创建自己的数据集。 使用labelimg进行注释,并以xml格式保存。 使用脚本将XML转换为CSV。 此脚本将...
Macromolecular_Engineering_Nanoparticle_Transport:使用Google Colab笔记本解决示例问题的示例
高分子_工程_纳米粒子_运输 使用Google Colab笔记本解决示例问题的教科书问题示例
Julia-on-Colab:在Google Colab上运行Julia的笔记本
Julia-on-Colab:在Google Colab上运行Julia的笔记本
Sem_Seg_Suite:适用于colab笔记本的Sem_Seg_Suite
Sem_Seg_Suite 适用于colab笔记本的Sem_Seg_Suite #原始回购是: :
openvino-colab:Google合作实验室上的OpenVINO Edge AI应用程序部署
使用Colab Notebook在Google Colab上进行开源OpenVINO Edge开发和部署 使用步骤: 步骤1:在Google Colab上安装软件包。 在您的Google Colab的第一个单元中运行命令以安装openvino-colab软件包。 !p ip install ...
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0
最新资源