您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  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. HousingRealestate_project-源码

  2. HousingRealestate_project 房屋预测项目 介绍 在该项目中,对多个线性回归模型进行了优化,以预测西雅图金县的房屋价格。在项目开始时提出了三个有关住房的重要问题,并在项目结束时回答了三个重要问题。 动机 建立了线性回归模型,以帮助房地产公司的房地产顾问明智地选择可以成为良好投资并带来利润的房屋。基于各种观点对线性回归模型进行了评估。第一个目标通常是产生一个模型,该模型可以预测金县的房屋价格销售。第二个目标是生成一个仅可以基于外部地理/物理特征预测房屋销售价格的模型。该分析可
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:12582912
    • 提供者:weixin_42135754
  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. 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. 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. Deploying-ML-Model-on-Azure-using-Docker-Container:构建ML模型,使用Flask为模型创建API,对Flask Web App进行Docker化,并在Azure上进行部署-源码

  2. 使用docker容器在azure上部署ML模型 涉及构建ML模型,使用Flask为该模型创建API,对Flask Web应用程序进行Docker化以及在Azure云平台上进行部署。 概述 此存储库演示了如何使用Flask和Docker Container将Azure机器学习模型作为Web服务部署在Azure上。 文件说明 房屋价格预测文件夹 pricepredmodel.py-用于为房价预测问题构建机器学习模型。 我们正在使用多元线性回归模型进行预测。 该文件将生成模型的pickle版本(mod
  3. 所属分类:其它

    • 发布日期:2021-03-12
    • 文件大小:3145728
    • 提供者:weixin_42119358
  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. DSI_Project2-源码

  2. 项目2:爱荷华州住房 内容: 背景 线性回归是一种非常流行的模型,它是根据一个目标变量(或因变量)与一个或多个解释变量(因变量)之间的关系而创建的。 在此回归挑战中,爱因斯爱荷华州住房数据集用于构建模型,可以预测每所住房的估计售价。 通过获得模型,不仅可以预测价格,而且可以研究影响价格的每个功能的重要性。 通过进一步分析,该模型可以帮助卖方或对提高其销售价格感兴趣的任何人正确地改善其房屋并获得可能的最高价格。 问题陈述 对于想要出售房屋的客户,当前的估计售价是多少? 还有什么可以提高价格的改进
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:11534336
    • 提供者:weixin_42157166
  1. house_renting_madrid:在此项目中,我们将使用监督学习来预测马德里(西班牙)的租金价格-源码

  2. 马德里房屋的数据科学租金估算器:端到端项目 创建了一个估算马德里房屋租金价格的工具,该工具可以帮助单位所有者以及正在寻找房屋的人了解马德里的Real State Market。 概括: 使用python和beautifulsoup库从刮取了2000多个房屋租金信息。 执行了数据清理步骤,并删除了异常值。 探索性数据分析揭示了推动西班牙房价上涨的最重要参数。 这些参数是在模型构建过程中选择的。 使用GridsearchCV优化了线性,套索,决策树,随机森林,支持向量回归,以找到最佳模型。
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:6291456
    • 提供者:weixin_42126865
  1. Pyspark的波士顿住房价格:Pyspark线性回归的波士顿住房价格-源码

  2. 波士顿房屋价格与Pyspark 使用PySpark和MLlib建立波士顿房价预测的线性回归 Apache Spark已成为机器学习和数据科学中最常用和受支持的开源工具之一。 该项目是使用Apache Spark的spark.ml线性回归预测波士顿房价的温和介绍。 目标是提出一个模型来预测该地区给定房屋的中位数。 数据源 我们的数据来自Kaggle竞赛:波士顿郊区的房屋价值。 链接: :
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:299008
    • 提供者:weixin_42101237
  1. 房屋价格预测:采用L2正则化的线性回归-源码

  2. 房屋价格预测 内容 客观的: 使用L2正则化构建线性回归,该线性回归可用于基于一组功能来预测房屋的价格。 深入了解学习率和正则化超参数对模型性能的影响。 数据: 该数据集由2014年5月至2015年5月之间售出房屋的历史数据组成,其中有两个数据文件:培训(10,000个示例)和开发(5597个示例) 该数据集由23个特征(包括虚拟对象)组成。 最后一个是预测目标。 变量说明数据类型 虚拟[数字]:1 id [数字]:房屋符号 date [string]:日期房屋已售出。 分为3类:每月
  3. 所属分类:其它

    • 发布日期:2021-02-28
    • 文件大小:7340032
    • 提供者:weixin_42118011
  1. 温哥华家的预测-源码

  2. 温哥华家的预测 在业务分析硕士课程期间,该模型是描述性和预测性分析课程最终项目的一部分。 已对工作进行了修改,以找出潜在投资候选者的低估物业。 概述 使用有关房屋的随时可用的信息,可以建立模型来预测其销售价格。 以下内容被视为潜在的解释变量: 上市天数(天) 总建筑面积(​​平方英尺) 年龄(岁) 地段面积(平方英尺) 该模型中使用的数据集(“房屋销售数据Vancouver.csv”)是从2019年至2020年初在温哥华的独立屋销售中收集的。销售价格的最高限额为$ 3百万。 脚步 探索
  3. 所属分类:其它

    • 发布日期:2021-02-26
    • 文件大小:35840
    • 提供者:weixin_42129970
  1. KC-房屋-销售-价格-推断模型:建立金县房屋销售价格的多元线性回归推断模型-源码

  2. 预测金县的房屋销售价格 目的:使用给定的数据集(致力于此回购)建立并运行多元线性回归模型,以预测金县的房屋销售价格。 博客: : 回购内容 Python模块(在“ module2_scr ipts”文件夹中) formatter.py-包含检查原始数据格式并执行数据重新格式化的功能。 spacer.py-包含将变量拆分和分类到各自类别(即从属,连续,分类,二进制等)的功能。 cleaner.py-包含用于显示有关数据清理的数据诊断报告并执行清理操作的功能。 preprocessor
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:10485760
    • 提供者:weixin_42162978
  1. 数据分析培训:用于学习目的的数据分析笔记本,工具和脚本-源码

  2. 数据分析/机器学习/深度学习 银行分析 探索性数据分析和预测模型(Random Forest,Ada Boost,XGBoost) 使用简短描述查找类似的电影/电视节目 基本自然语言处理(单词包,TFidf,相似度矩阵,doc2vec) Subreddit分类(怀疑者与超自然者职位) 计数向量化和逻辑回归 蘑菇分类 K近邻算法 猜测兑换日期-大型版 TfidfVectorizer,TrunctedSVD分解和线性回归 房屋价格预测 探索性数据分析+预测模型 汽车价格预测 数据准备+随机森林回归
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:416768
    • 提供者:weixin_42169245
  1. 房屋价格预测-使用线性回归-源码

  2. 房屋价格预测 使用波士顿住房数据集,该项目的目的是能够对房屋进行价格预测并确定价格所依赖的因素。
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:2097152
    • 提供者:weixin_42127748
  1. 波士顿房屋价格预测使用回归:用于波士顿房屋价格预测的机器学习网络应用-源码

  2. 波士顿房屋价格预测使用回归 这是一个使用波士顿住房数据集的预测房价的应用机器学习项目。 文件夹“笔记本”包含文件linearRegression.ipynb,pymachineproject.ipynb,RandomForrestRegressor.ipynb。 这些Jupyter Notebook文件包含预处理后在波士顿房屋数据集上分别用于训练,评估和最终测试机器学习模型“线性回归”,“ XGBoost回归”,“ Randomforrest回归”所需的全部代码。 File app.py包
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:985088
    • 提供者:weixin_42140625
  1. Python项目-源码

  2. 我的Python数据科学项目: :在此项目中,我尝试为Kaggle项目的样本(泰坦尼克号的沉没)构建工作流程,以便将来可以在其他Kaggle项目中采用相同的模式 :在这个项目中,我试图使用k近邻算法和具有不同数量神经元和不同隐藏层的神经网络对手写数字问题进行分类。 :在这个项目中,我使用并比较了线性回归,决策树回归和随机森林算法来预测自行车租赁。 我还尝试找到最佳参数以防止过度拟合并获得良好结果。 此项目是关于使用线性回归模型来预测S&P500指数的每日价格。 也只进行提前一天的预测。
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:14680064
    • 提供者:weixin_42124743
  1. 简单线性回归中的加拿大房屋价格预测:使用BoxCox变换对要素进行简单线性回归中的加拿大房屋价格预测-源码

  2. 简单线性回归中的加拿大房屋价格预测:使用BoxCox变换对要素进行简单线性回归中的加拿大房屋价格预测
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:46080
    • 提供者:weixin_42165973
  1. 房屋价格的预测模型-源码

  2. 房屋价格的预测模型 这是一个使用线性回归,套索回归和岭回归分析和预测房价的最终项目。数据来自对房地产经纪人的MLS房屋列表的审查
  3. 所属分类:其它

    • 发布日期:2021-02-09
    • 文件大小:4194304
    • 提供者:weixin_42160278
  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
« 12 »