EDA和ML项目 存储库包含各种项目，这些项目都使用R语言编写了以下代码： 探索性数据分析 机器学习模型（线性回归，逻辑回归，k均值聚类，分层聚类，SVM，决策树，随机森林，时间序列分析，XGBoost） 以下是一些常用的程序包/库的列表，这些程序包/库被用作数据分析和构建机器学习模型的一部分 数据处理： dplyr，plyr，tidyr，stringer，data.table，lubridate（用于日期处理）， 数据可视化： ggplot2，cowplot，ggthemes，比例 ML模型： randomForest，caret（用于数据拆分，交叉验证，预处理，特征选择，变量重要性估计等） 推荐模型： re荐 文本挖掘： tm，tidyverse

sl 用于概率预测的Python包 v0.0.2 安装 该软件包支持Python 3.6、3.7、3.8和3.9 通过PyPI安装 运行pip install pysloth 从存储库安装 使用SSH克隆回购git clone git@github.com:PySloth/pysloth.git 将目录更改为README.md （此文件）所在的位置，然后运行pip install . 快速开始 下面的代码示例显示了运行中的scpd和ccpd from pysloth import scpd_function , ccpd_function import numpy as np import statsmodels . api as sm np . random . seed ( 142 ) n = 1000 # training set m = int ( 0.8 * n ) #

伦敦-scikit Data Science London 正在举办一场关于 Scikit-learn 的聚会。 本次比赛是尝试、分享和创建 sklearn 分类能力示例的练习场（如果这变成了有用的东西，我们可以跟进回归，或更复杂的分类问题）。 请参阅 Kaggle 网站

乘客预测使用时间序列分析：我使用时间序列分析来预测公交车站乘客的行为和方式，数据可视化包括时间序列图

时空数据集 收集时空数据集以用于网络科学，深度学习和通用机器学习研究。 内容 匈牙利的水痘病例 描述 匈牙利每周水痘（儿童疾病）病例的时空数据集。 该数据集由一个县级邻接矩阵和2005年至2015年之间的县级报告病例的时间序列组成。有两个特定的相关任务： 县级病例数预测。 国家一级的病例数预测。 链接 特性 导演：没有。 节点功能：是。 时间的：是的。 匈牙利县 节点数 20 边缘 61 密度 0.3211 传递性 0.4134 可能的任务 计数数据回归 引用 @misc { rozemberczki2021chickenpox , title = { {Chickenpox Cases in Hungary: a Benchmark Dataset for Spatiotemporal Signal Processing with Graph Neural

d3js：使用D3.js进行实验

贷款批准预测：贷款申请数据分析

NBA预测 使用Python中的Logistic回归模型预测NBA比赛 模型 该模型使用从stats.nba.com刮取的八个因素来确定NBA游戏的预测结果。 每个统计数据都调整为每100个回合，以确保速度不会影响预测。 主队 胜率 篮板 营业额 正负 进攻等级 防守等级 真实投篮命中率 用法 安装 pip3 install -r requirements.txt 每日预测 打开nbaPredict.py 编辑对makeInterpretPrediction的调用，其中包含所需的比赛日期，赛季以及赛季的开始日期 通过终端或IDE运行程序 等待约1-3分钟，模型即可完成抓取统计信息并预测结果 输出结果作为主队击败客队的机会百分比 过去的预测 打开makePastPredictions.py 使用所需的开始日期，结束日期，季节，季节的开始日期和输出文件名来编辑对makePastPredictions的调用。 注意：开始日期应至少在季节开始后三天，且结束日期不包括在内。 通过终端或IDE运行程序 两个CSV文件将保存在Data文件夹中。 一个保存游戏数据，另一个保存游戏的预测。

Helstrom量子质心分类器 Helstrom量子质心（HQC）分类器是一种受量子启发的监督分类方法，用于具有二进制类的数据（即，仅具有2类的数据）。 受到量子启发的意思是指采用和利用量子理论的分类过程。 它受到可观察到的量子Helstrom的启发，该量子行为作用于量子模式之间的可区分性，而不是数据集的经典模式。 HQC分类器基于Giuseppe Sergioli，Roberto Giuntini和Hector Freytes在他们的论文中进行的研究： Sergioli G, Giuntini R, Freytes H (2019) A new quantum approach to

罗斯·曼·卡格 使用监督学习模型和时间序列分析，可以预测Rossmann药店的未来6周销售情况。 应用了所有数据科学步骤，包括数据清理，探索性数据分析，数据准备，创建机器学习模型，性能分析（MAE，MAPE，RMSE）以及使用Flask和Heroku部署到云中。