NL4Py NetLogo的Python控制器接口。 NL4Py使用远程过程调用体系结构，允许Python客户端代码控制NetLogoWorkspaceController服务器上的NetLogo工作区。 NL4Py支持通过单个Python客户端控制多个工作区。 阅读关于arXiv的NL4Py文章： ://arxiv.org/pdf/1808.03292.pdf NL4Py已通过Python 3.6.2的测试 要求 NL4Py可与NetLogo 6.0、6.1和6.2一起使用 NL4Py需要JDK 1.8 NL4Py要求将与Python分发一起安装 安装 您可以使用pip-tools安装NL4Py： pip install nl4py 用法 要在您的python代码中使用nl4py，请使用： import nl4py 并使用以下命令启动NetLogoControllerSer

电影推荐系统 这是基于协作过滤方法的电影推荐系统项目。

IMDB情感分析

地图 使在matplotlib中使用用户定义的颜色图更加容易。 默认的颜色图来自网站。 用户可以定义一个环境变量CMAP_DIR，该变量指向包含自定义rgb文件的文件夹。 特别感谢博士：提供了一些建议和帮助，将该软件包上传到Pypi和anaconda cloud。 安装： pip install cmaps 或者： conda install -c conda-forge cmaps 或者： git clone https://github.com/hhuangwx/cmaps.git cd cmaps python setup.py install 用法： import matplotlib.pyplot as plt import cmaps import numpy as np x = y = np.arange(-3.0, 3.01, 0.05) X, Y = np

健康保险 预测健康保险将涵盖的医疗费用（收费）的项目 链接到数据集（ ） 目的 建立机器学习模型以预测由保险公司支付的费用（作为费用），作为健康保险的保障范围。 评估指标：RSq 该解决方案包含七个线性模型。 发现吸烟者的受益人为保险公司支付了大量医疗费用。 对于吸烟者，BMI与收费量（正）密切相关。 随着BMI的增加，医疗费用也随之增加。 多项式特征和特征相互作用 仅使用原始功能不足以预测收费金额。 结果，年龄和吸烟者=“ Y”以及BMI和吸烟者=“ Y”之间的相互作用。 作为基准，RSq。 对所有七个模型而言，大约是测试集的75％。 功能交互改善了RSq。 （模型解释的方差量）在79-80％之间。作为一种最终技术，添加了年龄和BMI或受益人的二阶多项式作为特征。 这使RSq稍微增加了约0.03％。 其他改善技术 由于数据集很小，因此可以使用诸如决策树和随机森林之类的非线性模型 如果

预测医疗保险费用 该项目的主要目标是预测医疗费用。

WineScorePredictor 预测葡萄酒品质的数据挖掘项目

马尔可夫链蒙特卡洛 我从头开始实现Python中的Metropolis-Hastings算法，以查找虚拟数据示例的参数分布，然后找到现实世界中的问题。 我将仅使用numpy来实现该算法，并使用matplotlib来呈现结果。 可以在需要时使用Scipy计算密度函数，但我还将展示如何使用numpy来实现它们。 MH-Gibbs已添加到此仓库中。

Twitter情感分析项目使用NLP

引导项目-探索eBay汽车销售数据- 清理包含eBay汽车销售数据的数据集，然后分析二手车清单。 我作为Dataquest上“ Python中的数据分析”轨道的一部分完成的指导性项目