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. 房价预测模型算法及其源码二

  2. 完美的,建模房价预测过程程序,完美建模,祝大家建模愉快

  3. 所属分类：教育

    • 发布日期：2011-04-30
    • 文件大小：506880
    • 提供者：topnap

  1. 房价预测模型源码(全程编程过程)

  2. 房价预测模型源码(全程编程过程),可以顺便学一下,刚找到的资源

  3. 所属分类：教育

    • 发布日期：2011-04-30
    • 文件大小：634880
    • 提供者：topnap

  1. paddle重写房价预测模型源码

  2. 房价预测模型是深度学习的经典案例之一，但是对于新手来说还是比较复杂的。使用paddle重写房价预测模型，可以极大程度减少代码量，欢迎下载。

  3. 所属分类：深度学习

    • 发布日期：2020-05-27
    • 文件大小：5120
    • 提供者：narutodzx

  1. House-Price-Predictor:实施了多元线性回归模型来预测房价-源码

  2. 房屋价格预测器 目的和技术：以下程序使用Python ， Matplotlib ， Numpy ， Sympy ， Pandas和sci-kit预测波士顿市的房价。 程序： 提出问题 收集数据 清理数据 探索可能性和相关性 图形化地建模数据 评估功能内的价格 算法：我实现了一个多元线性回归模型来预测房价。这种方法也称为多元回归，是一种统计技术，它使用几个参数变量来预测响应变量的结果。在这种情况下，我从数据集中提取了几个变量，包括房价，犯罪率，年龄，距水的近距离，税收等，以使我的模型更准确。我挑选

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：3145728
    • 提供者：weixin_42138788

  1. Price_predicting:在此存储库中，我们将把使用模型预测价格的项目放在此处-源码

  2. 价格预测 在此存储库中，我们将把使用模型预测价格的项目放在该位置。 在这个项目中，我们使用线性回归模型来预测班加罗尔的房价。 项目结构： 探索数据（pandas，numpy） 清洁数据（熊猫） 数据可视化（matplotlib） 建筑模型（sckit-learn） 将模型导出到泡菜文件（腌菜） 结果

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：259072
    • 提供者：weixin_42116734

  1. Springboard-源码

  2. 跳板 第4单元-伦敦案例研究 通过分析伦敦自治市镇的数据，可以确定（大约）二十年来房价的最大平均涨幅。 单元6-顶点一 比较来自各个滑雪胜地的数据，以创建目标滑雪胜地的定价模型，以抵消近期运营成本的增长。 单元7-API数据整理 使用Quandl API检索的数据来分析某些股票的表现。 单元8-乡村俱乐部案例研究 连接到SQLite数据库以收集乡村俱乐部的各种会员信息和活动可用性。 单元14-Logistic回归 创建了一个逻辑回归模型，以根据身高和体重数据确定性别。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_42131443

  1. data-science-adventures:探索性数据科学项目-源码

  2. 数据科学历险记 该存储库包含探索性数据科学项目，目的是记录我的学习情况。随时欢迎提出意见和建议，不胜感激！ 当前项目： 该项目的重点是预测爱荷华州埃姆斯地区的房价。 使用各种模型，包括正则回归，梯度提升树和随机森林，以及最终的估算器叠加方法。 预测排在的前1％ Dean De Cock从2006年至2010年之间从单个住宅物业销售中收集的数据。 该项目着重于了解导致心力衰竭死亡的患者因素 采用几种监督分类模型，包括KNN，逻辑回归SVM和随机森林。 费萨拉巴德联合医院费萨拉巴德心脏病研究所在2

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_42131633

  1. House-Price-Prediction:房价EDA和预测-源码

  2. 房价EDA和预测 介绍 随附的Jupyter笔记本包含对描述住宅房屋许多方面的数据集的分析。 笔记本使用机器学习模型根据相关特征（例如整体质量，房屋面积等）预测最终房价。 问题陈述 我们可以根据相关特征预测房屋的最终价格吗？ 方法 首先，我进行了探索性数据分析，以深入了解数据。 我还检查并估算出缺少的数据，并进行了特征工程。 我创建了新功能并减少了功能数量以最大程度地减少噪音。 我实现了几种机器学习算法，包括多元线性，岭和套索回归，弹性网，决策树和随机森林回归以及KNN。 我还使用了集成方法

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：1048576
    • 提供者：weixin_42118011

  1. House-Prices-Challenge-Solution:我对Kaggle房价挑战的解决方案-源码

  2. 预测房价 这个仓库是什么？ 作为即将到来的机器学习工程师，我挑战自我以测试自己的机器学习技能。 我通过应对的向自己。 这项挑战的目标是根据一组给定的功能预测爱荷华州埃姆斯的房屋价格。 确切地说，总共有79个功能。 该项目使工程师（在本例中为我本人）可以练习关键的数据科学和机器学习技术。 该存储库通过4个文件夹进行组织：提交，数据，代码和模型。 在“提交”文件夹中，您将看到我所做的各种提交。 在“数据”文件夹中，您将找到必要的数据集以及任何其他必要的信息。 在“代码”文件夹中，您将看到该项目的

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：3145728
    • 提供者：weixin_42135754

  1. udacitydevopscapstone:udacity cloud dev ops课程的capstone项目-源码

  2. 项目概况 在本项目中，您将应用在本课程中获得的技能来操作机器学习微服务API。 您将获得一个经过预先训练的sklearn模型， sklearn模型已经过训练，可以根据一些功能来预测波士顿的房价，例如房屋中的平均房间和有关高速公路通行性的数据，师生比例等等。 您可以上阅读有关数据的更多信息，这些数据最初来自Kaggle。 此项目测试您在提供的文件app.py中运行Python flask应用程序的能力，该文件可通过API调用提供有关房价的预测（推断）。 该项目可以扩展到任何预先训练的机器学习模型

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：228352
    • 提供者：weixin_42181319

  1. Boston-Model-Housing-prices-Multiple-Regression:使用多元回归模型从sklearn.datasets.load_boston预测房价-源码

  2. Boston-Model-Housing-prices-Multiple-Regression:使用多元回归模型从sklearn.datasets.load_boston预测房价

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_42131861

  1. Predicting-House-Prices:线性回归使用Turicreate预测房价-源码

  2. 预测房屋价格 使用Turicreate进行线性回归以预测房价。 在这里，我们可以使用graphlab或turicreate框架。 Turi Create简化了自定义机器学习模型的开发。 您无需成为机器学习专家即可向您的应用添加建议，对象检测，图像分类，图像相似度或活动分类。 因此，我们在这里使用Turicrete。 在本笔记本中，我们将使用金县的房屋销售数据，通过简单的（一次输入）线性回归来预测房价。 使用graphlab SArray和SFrame函数计算重要的摘要统计信息 编写函数以使用

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：45088768
    • 提供者：weixin_42110469

  1. Deploy-House-Price-源码

  2. Flask教程以部署机器学习模型 使用flask将机器学习模型投入生产。 1.预测房价 环境与工具 scikit学习 大熊猫 麻木 烧瓶 安装 pip install scikit-learn pandas numpy flask python model-houseprice.py python app.py 2.预测销售价格 从下载数据集。 环境与工具 scikit学习 大熊猫 麻木 烧瓶 码头工人 安装 docker-compose up --build curl -X POST -

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_42140716

  1. LinearRegression:线性回归模型预测房价-源码

  2. 线性回归模型预测房价 该笔记本创建了线性回归模型来预测房价。 数据取自Ames Housing数据集，该数据集由Dean De Cock为数据科学进行了编译。 数据集由1,460行和81列组成。 SalePrice是回归模型的因变量。 确定数据集中的自变量与SalePrice之间的相关系数后，为模型选择了5个自变量： 综合质量-综合质量 GrLivArea-地上生活区 车库面积-车库面积 TotalBsmtSF-地下室总平方英尺 建造年份-施工年份 将数据分为训练和测试数据集后，使用skl

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：491520
    • 提供者：weixin_42116791

  1. capstone:顶点项目-源码

  2. 项目概况 在本项目中，您将应用在本课程中获得的技能来操作机器学习微服务API。 您将获得一个经过预先训练的sklearn模型， sklearn模型已经过训练，可以根据一些功能来预测波士顿的房价，例如房屋中的平均房间和有关高速公路通行性的数据，师生比例等等。 您可以上阅读有关数据的更多信息，这些数据最初来自Kaggle。 此项目测试您在提供的文件app.py中运行Python flask应用程序的能力，该文件可通过API调用提供有关房价的预测（推断）。 该项目可以扩展到任何预先训练的机器学习模型

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：223232
    • 提供者：weixin_42099087

  1. microservices-ml-kubernetes-源码

  2. 使用Kubernetese进行大规模机器学习 该项目的目标是使用kubernetes来运行机器学习微服务。 我们正在使用经过预先训练的sklearn模型， sklearn模型已经过训练，可以根据多种功能来预测波士顿的房价，例如房屋中的平均房间和有关高速公路通行性的数据，师生比例等等。 有关数据的更多信息，该信息最初取自Kaggle，可上阅读。 该项目使用Python Flask端点公开ML模型。端点通过API调用提供有关房价的预测（推断）。 安装 码头工人 虚拟箱 对于Ubuntu： 二进制下

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：25165824
    • 提供者：weixin_42125867

  1. project-ml-microservice-kubernetes:大胆项目4-源码

  2. 项目概况 在本项目中，您将应用在本课程中获得的技能来操作机器学习微服务API。 您将获得一个经过预先训练的sklearn模型， sklearn模型已经过训练，可以根据一些功能来预测波士顿的房价，例如房屋中的平均房间和有关高速公路通行性的数据，师生比例等等。 您可以上阅读有关数据的更多信息，这些数据最初来自Kaggle。 此项目测试您在提供的文件app.py中运行Python flask应用程序的能力，该文件可通过API调用提供有关房价的预测（推断）。 该项目可以扩展到任何预先训练的机器学习模

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：223232
    • 提供者：weixin_42139302

  1. Phase-2-Project:使用回归模型预测房屋价格-源码

  2. 国王郡房屋定价回归分析 （技术演示文稿位于Final Notebook.ipynb 介绍 该项目使用线性回归模型来最好地预测华盛顿州西雅图市的房价。 资料总览 提供的数据集代表在华盛顿州金斯县出售的17,290处物业。 对于每个属性，我们都得到了有关平方英尺，房屋状况，房间数和浴室数量，位置，出售日期等其他详细信息。 探索性数据分析 提供的数据干净整洁，没有任何空值，因此为我们的EDA准备的大多数数据都与处理离群值有关。 在浏览我们的数据时，很清楚地理位置与房价之间的关联性。 您可以在下面的

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：7340032
    • 提供者：weixin_42134038

  1. 房价模型-源码

  2. 房价预测 目的： 设计一个网站来训练房价模型并预测价格。 设计步骤： 步骤1： 需求收集。 第2步： 使用HTML和CSS创建布局。 第三步： 使用给定的数据集训练模型 第4步： 使用泡菜保存经过训练的模型 步骤5： 从用户那里获取输入 步骤6： 使用泡菜加载训练后的模型 步骤7： 将给定数据应用于模型 步骤8： 显示结果 步骤9： 在给定的URL中发布网站。 程序： 输出： 结果：

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：78848
    • 提供者：weixin_42138788

  1. 纽约房价预测-线性回归和模型稳定性-源码

  2. 纽约房价预测-线性回归和模型稳定性

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：26214400
    • 提供者：weixin_42127937
« 12 3 4 »