商业智能最终项目-：使用训练数据集和测试数据集进行预测

共5个文件

pdf：3个

arff：2个

需积分: 9 165 浏览量 2021-02-19 16:28:38 上传评论收藏 1.54MB ZIP 举报

资源详情

资源评论

资源推荐

收起资源包目录

Business-Intelligence-Final-Project--master.zip （5个子文件）

Business-Intelligence-Final-Project--master

CST8390_FinalReport_20W.pdf 148KB

Bronx_Train_Processed.arff 2.2MB

Final Project_PPT_ Rezansoff Karl_Li Min_012.pdf 772KB

Final Project_Report_Rezansoff Karl_Li Min_012.pdf 727KB

Bronx_Test_Processed.arff 839KB

MNIST-digit-recognition-and-classification-using-CNN-with-Keras-99.70:训练数据集由42000行组成，每行784个像素值，因此代表了28 x 28尺寸的42000张图像，这些图像的数字从0到9。我已经使用卷积神经网络在Keras的帮助下训练了模型，并对测试数据集的28000张图像进行了预测，仅用10个历元就获得了99.321％的有效准确率。还调整了ImageDataGenerator以促进泛化并避免过度拟合的问题

MNIST数字识别和分类使用CNN与Keras-0.9940- 训练数据集由42000行组成，每行784个像素值，因此代表了28 x 28尺寸的42000张图像，这些图像的数字从0到9。我使用了卷积神经网络在Keras的帮助下训练了模型，并对测试数据集的28000张图像进行了预测，并且仅用10个历元就达到了99.40％的有效准确率。还使用ImageDataGenerator来促进泛化并避免过度

AudioClassification:该软件是使用Python和Tensorflow进行音频信号处理和机器学习的演示。该软件包含一个GUI，该GUI可以通过网络摄像头或连接到计算机的外部音频设备流式传输音频，并使用卷积和_或循环神经网络实时处理音频，以执行音频分类，例如语音识别，音乐分类等。（取决于网络的培训方式）。数据集可以安排在目录中，其中父目录的名称表示分类类别。这样，可以为单个网络训练多种类型的二进制独立音频数据，最终构建一个复杂的神经网络。

音频分类和信号处理该软件是使用Python和Tensorflow进行音频信号处理和机器学习的演示。该软件体系结构保持了用于存储和处理音频输入数据的灵活性，即将需要执行分类的音频样本保存在具有唯一名称的目录中。然后需要在分类器文件中提及文件夹名称，然后自动创建/加载网络。该软件包含一个GUI，该GUI可以通过网络摄像头或连接到计算机的外部音频设备流式传输音频，并使用卷积和/或循环神经网络实时

Liver-Cancer-Prediction-With-Flask-Deployment:该项目旨在使用分类技术来预测存在癌症的可能性，从而预测肝癌的预测。在这里，我们面临许多挑战，例如数据失衡，高度分散，最终解决了这一难题，并使用Flask创建为Web API

烧瓶部署对肝癌的预测 Heroku应用程序链接： : 部署演示目录项目目标该项目旨在使用Python，Flask，HTML预测发生肝癌的可能性项目动机卫生保健中的分类问题非常有趣，我非常希望使用机器学习解决肝癌问题，因为这将有助于我们知道自己处于危险之中，应该对此进行治疗需求安装该代码是用Python 3.7编写的。如果您没有安装Python，则可以在这里找到。如果您使用的

Client-App:我的最终项目的Android应用程序。它被设计为模板应用程序，供其他开发人员用作分布式计算API的一部分。该应用程序从服务器接收工作包，对其进行处理，然后将结果发送回去。该应用程序对电池使用情况很敏感，并且只要电池超过用户定义的阈值，它就只会在后台运行计算。除了定义电池阈值（充电水平和充电选项）外，用户还可以选择数据存储，网络使用情况，并且可以根据需要手动启动和停止处理。使用此应用程序的开发人员所需要做的就是自定义外观和文本，并将其准备好用于Google Play商店

公民科学应用 Citizen Science是使用Android设备池的分布式计算系统的软件层。它使用协调器/服务器和运行的android设备池进行实际计算。它专为线性可扩展/令人尴尬的并行计算而设计。协调员发送数据包到设备验证从设备检索到的数据包防止欺诈性设备可视化计算进度存储处理后的数据动态重新加载所有未处理的数据允许用户在计算过程中更改参数，包括计算中的冗余级别（重复

深度学习图像数据集：FC100 分类数据集

FC100数据集全称是Few-shot CIFAR100数据集，来自CIFAR100数据集。...数据集介绍：分为训练集、验证集、测试集 --data--train--：36,000张图片 --data--val--：12,000张图片 --data--test--：12,000张图片

交通预测流量数据集METR-LA数据集进行划分成训练集、测试集和验证集、比例为0.6：0.2：0.2

将交通预测得PEMS-bay、以及METR-LA数据集进行划分成训练集、测试集和验证集、比例为0.6：0.2：0.2

深度学习项目使用-眼球疾病识别数据集.zip

深度学习项目使用-眼球疾病识别数据集.zip深度学习项目使用-眼球疾病识别数据集.zip深度学习项目使用-眼球疾病识别数据集.zip深度学习项目使用-眼球疾病识别数据集.zip 病理性近视（Pathologic Myopia，PM）的医疗类...

人工智能大作业-基于ALBERT+机器学习算法实现文本分类python源码+项目说明+文本数据集.zip

5星 · 资源好评率100%

人工智能大作业-基于ALBERT+机器学习算法实现文本分类python源码+项目说明+文本数据集.zip 【资源介绍】 ...该项目带文本分类数据集、可自行训练预测、建议先安装anaconda和pycharm，在anaconda中搭建环境！

mlflow-example：此存储库提供了一个示例示例，该示例使用MLflow跟踪，项目和模型模块在容器化环境中进行数据集预处理，GBRT（梯度增强回归树）模型训练和评估，模型调整以及最终模型服务（REST API）

MLflow示例项目+笔记本该存储库提供了使用MLflow跟踪，项目和模型模块在容器化环境中进行数据集预处理，模型训练和评估，模型调整以及最终模型服务（REST API）的示例。该项目包含一个MLflow项目，该项目在UC Irvine的上训练GBRT（梯度增强的回归树）模型，并使用Docker映像捕获运行训练和推理代码所需的依赖项。对话：：演讲幻灯片：笔记本：该项目的结

投球分析：正在进行中-目前，有一个GAM模型使用Statcast数据预测投手的鞭打率。最终将根据预期的鞭打率，命令和预期的接触来预测FIP

通用加性模型来建模MLB投手的东西下载并清理Statcast数据（向Ethan Moore和Bill Petti发送消息）主要通过对预测变量进行VIF测试来进行功能选择 Fastball / Sinker模型包括音高，释放点，旋转速度，旋转方向，断裂和板位置破球和失速模型包括俯仰速度，释放点，旋转速度，旋转方向，击球，板位置以及相对于快球的相对水平击球和速度注意：该模型使用2020 ML

Text-Processing-with-Neural-Embedding:关于使用stammer.factory的sastrawi处理印尼人的数据集，该处理还涉及在交叉推理之前使用经过预训练的模型进行神经嵌入，测试数据集的两个彼此相似的模型

神经嵌入文本处理警告：以下代码中的数据集包含印尼语的HATE SPEECH 请自行承担风险打开ps：很遗憾使用这种数据集，即使这与如何使用神经嵌入处理仇恨言论有关；-; <<您已被警告>> 关于使用stammer.factory的sastrawi处理印尼人的数据集，该处理还涉及在交叉推理之前使用经过预训练的模型进行神经嵌入，测试数据集的两个彼此相似的模型

排序器对 4 个预先排序的数据集进行排序：排序器包含最终项目的非工作实现，测试排序器包含可以使用 4 个随机数组运行的工作示例-matlab开发

此上传将用于澄清我的问题。 sorter.slx 包含最终项目的非工作实现， testing_sorter.slx 包含可以使用从 testing_sorter.m 创建的 4 个随机数组运行的工作示例最小示例包含 sorter.slx 的独立版本，可以运行并产生错误

老化时钟：使用GTEx数据进行人类年龄预测；麻省理工学院2020秋季课程计算生物学最终项目6.0476.878

老化时钟计算生物学的最终项目，麻省理工学院2020年秋季班6.047 / 6.878。探索使用组织和反卷积GTEx表达数据预测人类年龄的单组织和多组织时钟。

Kaggle里的房价预测的训练数据集和测试数据集

5星 · 资源好评率100%

kaggle_house_pred_train.csv kaggle_house_pred_test.csv 一个训练集一个测试集，总共有80个特征值加售价，其中测试集没有价格（标签）需要预测

人工智能训练数据集合集.zip

5星 · 资源好评率100%

ICDAR2003：文本识别数据集：ICDAR2003 训练集1156张测试集 1110标签中都是每张图片上对应的单词train.txt和test.txt都是过滤之后的标签（去掉符号和小于3个字符的）。 CUTE80：CUTE80数据集，都是弧形文字，包含...

Data Analysis App是一个用于数据分析的应用程序，可以导入、处理和分析数据集，训练和测试回归模型，并提供模型评估和

- 划分训练集和测试集：点击"划分训练集和测试集"按钮，根据提示输入训练集和测试集的比例。 - 选择模型：使用下拉菜单选择要使用的回归模型。 - 训练模型：点击"训练模型"按钮，等待模型训练完成的提示。 - 测试...

人工智能数据集划分脚本划分训练集和测试集

本脚本食用方法十分简单，原理是提取目录中的文件名称，随机打乱，放到对应的数组中，后续再对数组中的内容进行对比，提取存在标签的图片，最后将图片和标签划分到训练集、验证集、测试集。默认情况下，我提供了一...

人工智能-项目实践-数据增强-使用EDA技术对小型的不均衡的数据集做增强，验证其效果提升.zip

人工智能-项目实践-数据增强-使用EDA技术对小型的不均衡的数据集做增强，验证其效果提升代码结构 fast/training_data_analysis.py 对训练数据集的样本分布做了简要的分析 fast/fasttext_train.py 和 fast/fasttext...

带标签的口罩数据集，含口罩训练数据集和测试数据集，使用 pytorch yolov5 进行二分类 mask 检测，并对数据打标签

带标签的口罩数据集，含口罩训练数据集和测试数据集，使用 pytorch yolov5 进行二分类 mask 检测，对数据打标数据+标签，人工筛选打标数据更新数据集再次训练，提升模型精度二三步骤反复迭代三次，最终得到准确率（accuracy）高达 0.995 ，召回率 0.99 的检测模型；对数据标签的再次人工筛选

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，然后将其带到显示测试数据的预测结果以及一般模型准确性的屏幕。该屏幕还包括各种按钮在被选择时，所述测试数据显示复杂的和有吸引力的数据可视化

5星 · 资源好评率100%

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 Titan

AttRCNN-CNN：论文介绍：针对现有模型不能充分提取语义特征，以及单一使用语义或语言学特征来进行预测等不足，使用BERT预训练模型进行句子的特征提取。以及特征融合的论文，使用LSTM-Attention和CNN进行文档特征提取，同时结合Mairesse语言学特征，将多个分段提取的特征融合起来进行分析，最终使用Pytorch进行模型实现

AttRCNN-CNN 译文：基于BERT和多特征联合的个性识别方法领域：文本个性识别技术：BERT，LSTM，Attention，CNN 链接：论文介绍：针对现有模型不能充分提取语义特征，以及单个使用语义或语言学特征来进行预测等不足，使用BERT预训练模型进行句子的特征提取。同时阅读了关于多模态以及特征融合的论文，使用LSTM-Attention和CNN进行文档尺寸特征提取，同时结合Mair

Feedforward-Neural-Network:前馈神经网络，用于近似连续函数。网络使用给定的训练数据和参数进行训练。网络使用给定的测试数据给出预测。该文件不导入任何外部模块

前馈神经网络前馈神经网络，用于近似连续函数。网络使用给定的训练数据和参数进行训练。网络使用给定的测试数据给出预测。该文件不导入任何外部模块。

Handwriting_Digits_Classification：使用Tensorflow和keras进行手写数字分类，训练数据集的准确性为99％，测试数据集的准确性为91％

Handwriting_Digits_Classification：使用Tensorflow和keras进行手写数字分类，训练数据集的准确性为99％，测试数据集的准确性为91％

评论收藏

内容反馈

weixin_42166626

粉丝: 20
资源: 4530

商业智能最终项目-：使用训练数据集和测试数据集进行预测

评论0

最新资源

商业智能最终项目-：使用训练数据集和测试数据集进行预测

评论0

学生成绩预测，包含执行代码和训练、测试数据集

田纳西伊始曼仿真过程（TEP）数据.rar

田纳西伊斯曼数据集

BP神经网络JAVA实现源码（含两套训练测试数据）

getdata_projectfiles_UCI_HAR_Dataset

机器学习项目实战:泰坦尼克号获救预测 训练数据和测试数据 完整版

Liver-Cancer-Prediction-With-Flask-Deployment:该项目旨在使用分类技术来预测存在癌症的可能性，从而预测肝癌的预测。在这里，我们面临许多挑战，例如数据失衡，高度分散，最终解决了这一难题，并使用Flask创建为Web API

深度学习图像数据集：FC100 分类数据集

交通预测流量数据集METR-LA数据集进行划分成训练集、测试集和验证集、比例为0.6：0.2：0.2

深度学习项目使用-眼球疾病识别数据集.zip

人工智能大作业-基于ALBERT+机器学习算法实现文本分类python源码+项目说明+文本数据集.zip

mlflow-example：此存储库提供了一个示例示例，该示例使用MLflow跟踪，项目和模型模块在容器化环境中进行数据集预处理，GBRT（梯度增强回归树）模型训练和评估，模型调整以及最终模型服务（REST API）

投球分析：正在进行中-目前，有一个GAM模型使用Statcast数据预测投手的鞭打率。 最终将根据预期的鞭打率，命令和预期的接触来预测FIP

Text-Processing-with-Neural-Embedding:关于使用stammer.factory的sastrawi处理印尼人的数据集，该处理还涉及在交叉推理之前使用经过预训练的模型进行神经嵌入，测试数据集的两个彼此相似的模型

排序器对 4 个预先排序的数据集进行排序：排序器包含最终项目的非工作实现，测试排序器包含可以使用 4 个随机数组运行的工作示例-matlab开发

老化时钟：使用GTEx数据进行人类年龄预测； 麻省理工学院2020秋季课程计算生物学最终项目6.0476.878

Kaggle里的房价预测的训练数据集和测试数据集

人工智能训练数据集合集.zip

Data Analysis App是一个用于数据分析的应用程序，可以导入、处理和分析数据集，训练和测试回归模型，并提供模型评估和

人工智能数据集划分脚本划分训练集和测试集

人工智能-项目实践-数据增强-使用EDA技术对小型的不均衡的数据集做增强，验证其效果提升.zip

带标签的口罩数据集，含口罩训练数据集和测试数据集，使用 pytorch yolov5 进行二分类 mask 检测，并对数据打标签

Feedforward-Neural-Network:前馈神经网络，用于近似连续函数。 网络使用给定的训练数据和参数进行训练。 网络使用给定的测试数据给出预测。 该文件不导入任何外部模块

Handwriting_Digits_Classification：使用Tensorflow和keras进行手写数字分类，训练数据集的准确性为99％，测试数据集的准确性为91％

最新资源

机器学习项目实战:泰坦尼克号获救预测训练数据和测试数据完整版

投球分析：正在进行中-目前，有一个GAM模型使用Statcast数据预测投手的鞭打率。最终将根据预期的鞭打率，命令和预期的接触来预测FIP

老化时钟：使用GTEx数据进行人类年龄预测；麻省理工学院2020秋季课程计算生物学最终项目6.0476.878

Feedforward-Neural-Network:前馈神经网络，用于近似连续函数。网络使用给定的训练数据和参数进行训练。网络使用给定的测试数据给出预测。该文件不导入任何外部模块