本文来自于cloud.tencent.com，作者以浅显易懂的语言和清晰的示例和代码教你从头开始走过一个机器学习之旅，并且附详细的代码，大家可以收藏和学习。这是一篇完全手把手进行机器学习项目构建的教程，包含：1.数据清理和格式化 2.探索性数据分析3.特征工程和特征选择4.在性能指标上比较几种机器学习模型5.对最佳模型执行超参数调整 6.在测试集合中评估最佳模型7.解释

使用机器学习预测寿命 一个典型的回归机器学习项目利用历史数据来预测对未来的见解。 该问题陈述旨在通过给定各种特征来预测一个国家的预期寿命。 预期寿命是对人的平均预期寿命的统计量度，预期寿命取决于多种因素：地区差异，经济状况，性别差异，心理疾病，身体疾病，教育程度，出生年份和其他人口统计因素。 该问题陈述提供了一种预测生活在该国的人的平均预期寿命的方法，该因素包括以下因素：年份，GDP，教育程度，该国人的饮酒量，医疗保健系统的支出以及在该国发生的某些与特定疾病相关的死亡。国家。

这是一个完整的，端到端的机器学习项目，非常适合有一定基础后拿来练习，以提高对完整机器学习项目的认识

端到端ML房屋价格预测 一个端到端的机器学习项目，用于预测加利福尼亚的房价。 从头到尾构建机器学习项目的所有必需阶段。 它在机器学习项目中考虑以下“ HOWS”： 获取数据 可视化并从发现中获取意义 准备不同的机器学习算法 如何选择和训练模型 如何微调模型 如何保存模型 它在两者之间给出了一些说明，以在Jupyter笔记本中提供一些说明。 使用的数据集是housing.csv Jupter笔记本电脑是端到端的ML_外壳 致谢：Aurelien Geron

CS4780 机器学习项目 这些是问题集的一些文件和我们机器学习课程的最终项目。 我们实现了 TDIDTs、kNN、kMeans、朴素贝叶斯，并使用 Joachim 教授的 SVM Light 读取数据。 最后一个项目是一个音乐经典研究项目，具有使用 Spotify API 的播放列表生成功能。 我们使用 EchoNest API 收集了数千首歌曲，并试验了 API 提供的不同功能，以最大限度地提高多种算法（包括 TDIDT、SVM 和 kNN）的分类准确性。 我们发现，除了古典音乐流派之外，SVM 总体上表现最好。

Kaggle数据集工作 我的项目正在处理各种Kaggle数据集 专案 从胸部X光照片进行肺炎分类（2021年2月12日-至今） 使用 看到当前和了解更多详情。 Spotify歌曲人气回归（2021年2月8日-2021年2月12日） 使用 经过训练的RandomForest，DNN，LinearRegression和LinearSVR可以预测歌曲的流行程度。 获得了12.300的RMSE错误，其准确度比猜测的平均受欢迎程度高近2倍。 见和了解更多详情。

带有PySpark的Spark和Python用于大数据：Spark机器学习项目

人脸图像特征提取matlab代码ML_Internship_project_Cosmic-Skills 介绍： 您好，我叫Abhishek kakati，目前是Guwahati GIMT的一年级CSE本科生。 我是Cosmic Skills的暑期实习生，参加机器学习课程。 这是一个很棒的课程，因此，在项目完成后，现在是提交项目的时间。 对于项目，我在将代码文件转换为.rar格式时遇到问题，因此我决定创建此存储库并在邮件中共享连续项目的链接。 列出项目： 1.字符识别项目 2.人脸识别项目 3.推荐系统项目 4，物种识别项目 项目内容和资料： 1.字符识别项目- 项目内容详细信息- 项目名称：字符识别项目 项目的目的：该项目的目的是开发一种将图像作为输入并从中提取字符（字母，数字，符号）的工具。 图像可以是手写文档或打印文档。 它可以用作打印记录中数据输入的一种形式。 开发该项目所需的工具：该项目基于机器学习，我们可以提供许多数据集作为软件工具的输入，这些数据将被机器识别并从中获取相似的模式。 我们可以将Matlab或Octave用作此产品的构建工具，但建议Octave处于初始状态，因为

AI学习投资-周六AI Euskadi。 机器学习项目的应用使新手的投资更容易理解。 1.投资比例的网站报废。 我们已经废弃了与来自纽约证券交易所市场的公司相关的beautifoulSoup投资数据。 2.创建数据集。 我们在过去10年中随机模拟了500.000个投资，投资期限在1天到2年之间。 通过应用分类或归一化技术等方法，已清理数据集并准备进行机器学习建模。 如果要使用结果数据集，则将其保存到“ datasets / transactions_variables.csv”中。 3.数据建模和优化。 在用pycaret筛选出哪种分类模型更适合我们的问题之后，我们选择了“决策树”，因为它更易于解释。 请记住，我们的目标不是进行更好的投资，而是使投资可用于更广泛的人群。 借助Graphviz，优化了决策树并可视化了结果。 4.数据部署并在REST API服务器上进行测试。 该项目的

Zillow预测模型：使用Kaggle数据集的机器学习项目