有趣的python数据分析及可视化小项目 1. 爬取并分析北上广深链家网租房房源全部数据,得出租房建议(北上广深租房图鉴) 项目主要爬取北上广深链家网全部租房房源数据,并且得出租金分布、租房考虑因素等建议 主要的文件为: house_data_crawler.py:爬取北上广深租房房源数据的代码(带说明和注释, 需要安装mongodb) info.py:租房类型和各城市各区域的信息,供house_data_crawler.py调用 北上广深租房图鉴.ipynb: Jupyter notebook代码,对北上广深租房数据进行分析 data_sample.csv: 租房数据,这里只随机选择了12000条,每城市3000条 运行环境: python3.7 需要安装的包: requests pyecharts pandas numpy pymongo Crawling and analysing
2021-12-26 13:57:02 29.55MB JupyterNotebook
1
ML模型 使用葡萄酒质量数据集的KNN分类模型
2021-12-26 11:30:56 77KB JupyterNotebook
1
多标签文本分类 Kaggle有毒评论挑战 随着可用数据的不断增加,迫切需要对数据进行组织,而现代分类问题通常涉及与单个实例同时关联的多个标签的预测。 这种称为多标签分类的任务就是这样的任务,它在许多现实世界中的问题中无所不在。 在这个项目中,以Kaggle问题为例,我们探索了多标签分类的不同方面。 该项目的鸟瞰图: 第1部分:多标签分类概述。 第2部分:问题定义和评估指标。 第3部分:探索性数据分析(EDA)。 第4部分:数据预处理。 第5部分:多标签分类技术。 有关此项目的详细博客,请参见[ ]
2021-12-26 00:24:26 781KB JupyterNotebook
1
Introduction-to-TensorFlow-for-Artificial-Intelligence-Machine-Learning-and-Deep-Learning:TensorFlow的人工智能,机器学习和深度学习简介
2021-12-25 23:11:13 18KB JupyterNotebook
1
Linear-regression
2021-12-25 20:51:12 35KB JupyterNotebook
1
机器学习预测住房价格 房价-高级回归技术的Kaggle竞争:使用机器学习来预测爱荷华州的房价。 查找kaggle竞赛的链接: ://www.kaggle.com/c/house-prices-advanced-regression-techniques 该存储库有几个文件: Code_Predicting房屋价格.py:是带有项目代码的jupyter笔记本。 它还具有注释,以帮助您理解开始代码的思考过程。 预测房价艾姆斯,爱荷华州:pptx:介绍该项目的简报。 它面向具有一定技术知识的公众。 预测房价Iowa.docx.pdf:博客文章,解释了该项目的技术和业务方面。 train.csv:用于项目的数据。 它已上传到github上,为您提供方便,也可以在Kaggle的网页上获取。
2021-12-25 18:51:46 2.4MB JupyterNotebook
1
快速R-CNN的简单快速实现 1.简介 [更新:]我将代码进一步简化为pytorch 1.5,torchvision 0.6,并用来自torchvision的ops roipool和nms替换了自定义的ops roipool和nms。 如果您想要旧版本的代码,请检出分支 该项目是基于和其他的简化的快速R-CNN实现。 我希望它可以作为那些想了解Faster R-CNN详细信息的人的入门代码。 目的是: 简化代码(简单胜于复杂) 使代码更直接(扁平比嵌套更好) 匹配报告的性能(速度计数和mAP问题) 它具有以下功能: 它可以作为纯Python代码运行,不再需要构建事务。 这是在大约2000行有效代码中的最少实现,其中包含大量注释和说明。(由于chainercv的出色文档) 与原始实施相比,它实现了更高的mAP(0.712 VS 0.699) 它可实现与其他实现方式相当的速度
2021-12-25 17:34:23 1.98MB JupyterNotebook
1
我的博客 由提供 接下来做什么? 大! 您已经设置了您的仓库。 现在该开始编写内容了。 一些有用的链接: 注意:如果您不希望这些博客文章出现在您的网站上,则可能要从_posts , _notebooks或_word文件夹中删除示例博客文章(但将其保留为空,请勿删除这些文件夹)。 如有任何疑问或功能要求,请在fastai论坛中使用。
2021-12-25 17:00:31 7.03MB JupyterNotebook
1
行为克隆项目 总览 该存储库包含行为克隆项目的启动文件。 在这个项目中,您将使用对深度神经网络和卷积神经网络学到的知识来克隆驾驶行为。 您将使用Keras训练,验证和测试模型。 该模型将向自动驾驶汽车输出转向角。 我们提供了一个模拟器,您可以在其中驾驶汽车绕轨道进行数据收集。 您将使用图像数据和转向角来训练神经网络,然后使用此模型在轨道周围自动驾驶汽车。 我们还希望您创建该项目的详细说明。 出该项目的,并将其用作创建自己的编写的起点。 书写内容可以是markdown文件或pdf文档。 为了满足规范,该项目将需要提交五个文件: model.py(用于创建和训练模型的脚本) drive.py(用于开车的脚本-随时修改此文件) model.h5(训练有素的Keras模型) 报告撰写文件(降价或pdf) video.mp4(您的车辆在赛道上自动行驶至少一整圈的视频记录) 此自述
2021-12-24 20:26:46 24.75MB JupyterNotebook
1
房价,高级回归技术 Kaggle完成 用于
2021-12-24 15:33:48 74KB JupyterNotebook
1