Facebook互动预测器 使用机器学习预测Facebook页面帖子的喜欢，评论或全部互动 使用带有决策树的Adaboost回归器来预测帖子（如“顶”，“评论”等）的交互。 使用UCI的。 数据与2014年在著名化妆品品牌的Facebook页面上发布的帖子有关。 引文 （Moro et al。，2016）Moro，S.，Rita，P.，＆Vala，B.（2016年）。 预测社交媒体绩效指标并评估对品牌建立的影响：一种数据挖掘方法。 商业研究杂志，69（9），3341-3351。

电能 使用人工神经网络预测联合循环发电厂的电能输出（EP）。 特征包括每小时平均环境变量温度（T），环境压力（AP），相对湿度（RH）和排气真空（V），以预测工厂的每小时净电能输出（EP）。特征包括每小时平均周围环境变量-温度（T）在1.81°C和37.11°C的范围内-环境压力（AP）在992.89-1033.30毫巴的范围内-相对湿度（RH）在25.56％至100.16％的范围内-排气真空度（V ）在25.36-81.56 cm Hg的范围内-每小时净电能输出（EP）420.26-495.76 MW

内容：数据可视化 项目：诺贝尔奖获得者的视觉历史 安装 该项目需要安装Python 3.8.3和以下Python库： 您还需要安装软件才能运行和执行 数据 数据集csv文件： nobel.csv

深度视觉注意力预测 该存储库包含Keras实现的“深度视觉注意力预测”论文，该论文发表在IEEE Transactions on Image Processing

Traditional Chinese Handwriting Dataset 繁体中文手写资料集 Preface 前言 In the way of data science, we believe every scholar, scientists might have heard about MNIST dataset, or played with Fashion MNIST. As a traditional Chinese user, we couldn't help but wonder: is it possible for machine learning, neural networks to recognize handwritten traditional Chinese characters? Let's challenge! 在走过资料科学的路上，相信每一位学者、

双击文件即可。之后在任意文件夹下，右键选择Jupyter打开，即可显示当前目录的jupyter，而不必激活 Anaconda 环境启动 Jupyter Notebook，显示的反而在默认路径下。 Note：本文件的Anaconda安装在D:\Anaconda3，若你的不同则需修改路径。 以上

easySFS TL; DR-easySFS是用于有效选择人口规模投影以构建站点频谱的工具。 它可以用于将VCF转换为dadi / fastsimcoal / momi2样式的SFS，以进行人口统计分析。 为什么需要这个？ 站点频谱不能以连贯的方式构造在缺少值的数据矩阵上。 数据丢失是类似于RADSeq的数据集的显着特征，仅删除缺失的站点将彻底丢弃大部分数据。 一个人也可以估算缺失的值，有些人这样做，但是如果您有很多缺失的数据，则估算将是不可靠的。 向下投影方法是这两个极端之间的一种折衷。 您可以“投影”到较小的样本大小，并“平均”所有可能的重采样以构建完整的数据矩阵。 需要明确的是，我没有发明这种向下投影的策略，我相信Marth等人2004年在这里得到了赞誉，我只是制作了这个用于自动探索投影值的python程序。 选择投影值 关于如何选择投影值，Gutenkunst等人2009提供了

电影行业分析 问题和需要回答的问题： 行业趋势，市场规模和全球毛利润是多少？ 盈利能力分析 谁是主要参与者及其最佳产品？ 哪些类型和特定标题获得最高评价？ 投资的平均收益是多少？ 最有效的生产预算规模和类型是什么？ 您如何获得最大的投资回报？ 微软应该制作什么样的电影？ 分析中使用的数据库 分析中使用的数据库包含在zippedData文件夹中，并在下面列出： tn.movi​​e_budgets.csv.gz tmdb.movi​​es.csv.gz rt.reviews.tsv.gz rt.movi​​e_info.tsv.gz imdb.title.ratings.csv.gz imdb.title.basics.csv.gz imdb.name.basics.csv.gz imdb.title.principals.csv.gz bom.movi​​e_

Medical_Cost_Prediction:该项目预测了医疗病人的保险费用

下降曲线分析 ARPS下降曲线与以下各项的比较：fb Prphet，张量流RNN和张量流完整的CNN /波网类型架构 目前，我只是在研究单变量时间序列分析。 通过使用多口井作为输入，可以大大提高模型的预测能力。