wine.csv 机器学习

winequality-red.csv

根据数据集中的多个特征进行训练，使得网络模型根据特征可以预测气温。

Titanic数据集主要包含两部分,训练集(train.csv)和测试集(test.csv)。其中训练集中包含乘客的基本信息和最终在事故中的存活情况,测试集只包含乘客的基本信息, 不包含存活情况。 目的:通过对训练集中乘客的基本信息和存活情况的分析,找到背后隐藏的某种规律,去推断测试集中的乘客是否遇难。

人力资源分析数据集汇聚了对大量员工的信息数据统计，包括企业因素（如部门）、员工行为相关因素（如参与过项目数、每月工作时长、薪资水平等）、以及工作相关因素（如绩效评估、工伤事故），这些因素都有很好的分析价值。1 satisfaction_level Float 员工满意程度：0-不满意，1-满意 2 last_evaluation Float 国家 3 number_project Integer 在职期间完成的项目数量 4 average_montly_hours Integer 每月平均工作时长（hr） 5 time_spend_company Integer 工龄（年） 6 work_accident Integer 是否有工伤：0-没有，1-有 7 left Integer 是否离职：0-在职，1-离职 8 promotion_last_5years Integer 过去5年是否有升职：0-没有，1-有 9 sales String 工作部门 10 salary String 工资的相对等级 基于证书 CC0: Public Domain 发布。

以jupyter为平台，利用python实现对墨尔本10年气候变化数据集的特征处理，然后并利用机器学习模型进行训练以及对原始数据集的拟合，最后来评价那种模型的拟合效果最佳。（提供了相关数据集）

油田事故监测数据集，数据集由1984个CSV文件组成，标签：0 -正常1 - BSW突然增加2 - DHSV 3假闭合4 -严重段塞流不稳定5 -生产力迅速损失6 - PCK 7快速限制- PCK 8结垢-生产线水合物，每个文件代表一个实例。文件名显示了它的来源。所有文件标准化如下。每行有一个观察，每列有一个系列。列之间用逗号分隔，小数之间用句点分隔。第一列包含时间戳，最后一列显示观察结果的标签，其他列是多元时间序列(MTS)(即实例本身)。

用于线性回归分析的数据表波士顿房价housing.csv

回头客测试数据 csv文件

因为项目需求从CSV文件中读取部分数据，并导入Excel中打印出来。