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. 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. Data_Science_Portfolio:在学术界和自我学习中均已完成的数据科学组合-源码

  2. 数据科学组合 该产品组合包含以学术界和自学方式完成的数据科学领域的各种项目。 组织 1.机器学习 ：数据分析和机器学习解决了电信客户流失。 ：线性回归教程，从零开始实施numpy / pandas与scikit-learn进行比较，以预测客户可以出售其房屋的最佳价格。 ：预测签名是由希格斯玻色子（信号）还是其他过程（背景）产生的。 仅使用Numpy从头开始实现所有ML模型。 ：使用传统的机器学习技术对tweet进行正/负情感分析。 2.深度学习 ：使用协作采样方案可提高深度生成对抗网络中

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：2097152
    • 提供者：weixin_42119989

  1. house-prices:房屋价格（Python）-源码

  2. 房屋价格 房屋价格（Python） 在这个项目中，我将使用Kaggle的房价数据集来开发预测模型。 目的是演示数据科学项目生命周期的四个步骤：定义，发现，开发和部署。 我将建立一些监督的机器学习模型并评估其性能。 工作正在进行中...

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：2097152
    • 提供者：weixin_42175516

  1. Udacity-Capstone-房屋价格预测-使用Azure-ML-源码

  2. 房屋价格：先进的回归技术 项目目标：根据房屋功能预测房屋价格。 如果您是房屋的购买者或卖方，但您不知道房屋的确切价格，那么监督型机器学习回归算法可以帮助您预测仅提供目标房屋功能的房屋价格。 预测每所房屋的销售价格是我的工作。 对于测试集中的每个ID，我必须预测SalePrice变量的值。 *指标提交的值是根据预测值的对数与观察到的销售价格的对数之间的均方根误差（RMSE）进行评估的。 （记录日志意味着预测昂贵房屋和廉价房屋的错误将同等地影响结果。） 项目设置与安装 可选：如果您的项目有任何特殊

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：451584
    • 提供者：weixin_42126865

  1. data-science-house-prices：数据科学项目：房价-源码

  2. 数据科学项目：房价 该存储库实施了数据科学和机器学习项目，该项目已应用于Kaggle竞争 的房屋价格数据集。 在此存储库中，您将找到： requirements.txt：您需要使用pip安装的软件包 raw_data.csv：我们在该项目上使用的原始数据 探索性数据分析-House-Prices.ipynb：具有探索性数据分析功能的Jupyter笔记本 data_cleaning.py：用于清理数据的脚本 train_model.py：使用清理后的数据训练机器学习模型的脚本 预报.py：具有

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：359424
    • 提供者：weixin_42177768

  1. housing_prices：在多个回归模型中使用交叉验证和网格搜索对房屋市场价格进行分析和预测-源码

  2. 在回归模型中使用交叉验证和网格搜索预测房价 在多个回归模型中使用交叉验证和网格搜索对房屋市场价格进行分析和预测 该项目的目标 在本文中，我将分析与墨尔本房价相关的因素，并使用几种机器学习技术对房价进行预测。 该分析中使用的模型是线性回归，岭回归，K最近邻（以下称为KNN）和决策树。 使用交叉验证和网格搜索技术的方法，我找到了每个模型中超参数的最佳值，然后比较结果以找到最佳的机器学习模型来预测墨尔本的房价。 如何运行这个项目 安装Python 3。 安装Jupyter Notebook。 使用

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：6291456
    • 提供者：weixin_42116058

  1. 房屋价格预测：使用机器学习进行房屋价格预测-源码

  2. 房屋价格预测：使用机器学习进行房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：2097152
    • 提供者：weixin_42133452

  1. Vadoadra-House-Price-Prediction：这是一个简单的线性回归实现机器学习模型，并使用flask进行了部署。 Vadodara房屋价格数据集由我们创建-源码

  2. Vadoadra房屋价格预测 这是一个简单的线性回归实现机器学习模型，并使用flask进行了部署。 Vadodara房屋价格数据集由我们创建。 如何运行这个程序 只需在Windows或Linux或MacOS的终端的命令提示符下运行python app.py 。 然后在浏览器中，在URL上键入localhost：5000 ，该应用程序将运行，您已经可以预测价格了。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：121856
    • 提供者：weixin_42127020