FIFA-worldcup-2018-预测 使用机器学习预测2018年FIFA世界杯冠军。 这是我的第一个练习数据挖掘和机器学习技术的个人项目。 我主要使用熊猫，seaborn和scikit-learn。 请随意查看回购中的Jupyter Notebook，以检查代码和提供的见解。 我希望它足够讲道理！ 如何可视化Jupyter Notebook的所有荣耀 确保已安装Jupyter笔记本（ ）。 在此存储库中，按绿色的“克隆”或“下载”按钮。 确定是要克隆存储库还是将其下载为.zip（如果您不熟悉Github，建议您以.zip下载）。 打开Jupyter Notebooks应用程序。 浏览器中的选项卡将打开。 导航到保存该存储库的文件夹。 单击“ Predicting World Cup 2018 Winner.ipynb文件将其打开。 它应该工作！ 现在，您可以浏览代码，运

关于Blockchain Unfair Transaction Order Prediction项目的中期答辩ppt

cnn-bilstm-attention-time-series-prediction_keras-master

从国家数据预测每年的 CO2 排放量 机器学习项目 弗拉迪斯拉夫·托多罗夫 自述文件 内容： 项目介绍 背景和目标 项目结构 内置 所有项目阶段的总结 如何打开 数据集信息 许可证信息 一、项目说明 背景和目标 预测机器学习 (ML) 模型和大量可用数据对于分析气候变化趋势或相关贡献者的发展非常有用。 理论上，国家一年内二氧化碳等温室气体排放量可能取决于特定国家的某些方面。 在此背景下，我开发了一个 ML 项目，旨在分析和预测来自国家特定参数（如经济指标、人口、能源使用、土地使用等）的二氧化碳排放量。 为此，我使用了世界银行集团提供的公开数据集，其中包括以下参数： 国家：全球绝大多数国家 年份：从 1990 年到 2011 年 温室气体排放，如 CO2、CH4、N2O 等 特定于人口的参数：人口计数，城市人口，人口增长等 国家经济指标：GDP、GNI、外商直接投资等。 与土地相关的

地震预言是一项非常复杂的任务，已以不同的方式解决。 但是，需要一个基本定义以及足够的目录。 这些地区已标有广泛使用的地质参数。 研究的总体特征不仅基于训练和测试数据集，还基于地震预测的定性数据。 单独应用机器学习技术来模拟计算的地震数据与未来地震发生之间的关系。 本文提供了一份关于不同地震震级预测技术的实施情况及其优缺点的调查报告，这将有助于系统的进一步开发和改进。

生物信息学Bioinfomatics文章（IF=6.9），Interpretable-ADMET: a web service for ADMET prediction and optimization based on deep neural representation的代码，自己写的

酒店预订预测 基于酒店预订数据集的酒店预订预测

利于理解并实际运用蒙特卡洛的例子，该例子为股票预测实例和绵羊与汽车

Loan_Default_Prediction：贷款违约预测的端到端机器学习过程，机器学习的最终项目ISpring2018 @ GWU

罗斯曼销售预测 注意：我主要使用PLOTLY在此笔记本中可视化我的数据，但可打印的图未显示在github上。 Kaggle竞赛：Rossmann在欧洲7个国家/地区拥有3,000多家药店。 目前，Rossmann商店经理的任务是提前六周预测其每日销售额。 商店的销售受到许多因素的影响，包括促销，竞争，学校和州假日，季节性和地区性。 成千上万的个人经理根据他们的独特情况预测销售额，结果的准确性可能会大相径庭。 我们接受Rossmann的挑战，即要预测整个德国1,115家商店的6周日销售量。 可靠的销售预测使商店经理能够创建有效的员工时间表，从而提高生产力和动力。 通过帮助Rossmann创建可靠的预测模型，我们将帮助商店经理专注于对他们而言最重要的事情：他们的顾客和他们的团队！ 目录 进口包 资料准备 2.1加载数据集 2.2处理缺失的值 2.2.1计算每个数据集中的缺失值 2.2.2删