疫苗_模拟_笔记本 一些带有简单疫苗接种方案的Python笔记本。 安装 安装jupyter，pandas和ipywidgets，并确保使用最新的Python版本（3.7+）。 您可以使用pip： $ pip3 install jupyter notebook pandas ipywidgets 安装完所有组件后，使用jupyter notebook运行笔记本服务器，然后选择所需的笔记本。

食品分类 数据集：Food-11图片数据集 食物类型识别是对象识别最有用的应用之一，可以在我们生活的各个方面受到起诉，也可以帮助从事可食用物品的业务。该数据集包含16643个食物图像，分为11个主要食物类别。它分为三部分–评估，培训和验证，每一部分包含11类食物： • 面包 • 奶制品 • 甜点 • 蛋 • 油炸食物 • 肉 •面食 • 米 • 海鲜 • 汤 •蔬菜水果 这些食物类别构成了我们模型的类别 食物11图片类 型号汇总 食品分类模型使用ResNet对各种食品类型进行分类，例如面包，乳制品，汤，米饭等。该模型分别具有2个层，分别是256个神经元和128个神经元。该模型还包括2个Dropout值（分别为0.5和0.3）用于分类以及大约2500万个参数。对于15个时期，它提供了44％和39％的精度。 准确性 失利

pinvprob3 :orange_book: 线性逆问题的Python 3代码，包括广义逆矩阵，截断SVD，Tikhonov正则化，L曲线准则 最初，我针对两篇论文（ ， 和开发了反问题的Fortran90代码。 我将它们转换为Python代码，以在东京大学内部研讨会中使用。 L曲线准则的算法基于出色的书： Hansen，PC 2010，“离散逆问题：洞察力和算法”（工业和应用数学学会）。 我将“ random_light.py”作为示例代码。 此示例代码从图像的随机矩形部分的总和中检索出一个小的png图像。 如果使用日语，请参见invprov.pdf，否则请参见下图。 您将了解示例的问题。 请注意，当图像尺寸较大时，这些代码效率很低，因为这些代码直接使用奇异值分解。 样本图像che.png摘自Wikipedia，并被压缩为小图像。 要求 Python3 科学的 pylab的 scikit学习（

优步数据分析 关于UBER来自旅行者的乘车呼叫数据的数据分析，我使用简单的Python（熊猫和seaborn）函数从数据中获得了真正有用的见解。 分析数据后，我们得到以下输出结果： 生成数据所属位置的地图； 生成用户在一周内请求乘车的热图； 生成每小时，每天，每周和每月的用户请求图； 尽管没有在数据中告知数据所属的位置，但是我仍然能够获得数据所属位置的位置，那就是曼哈顿。 另外，我还进行了一些其他分析，对数据进行了更深入的研究。

性能指数聚类国家 根据各种绩效指标使用K均值聚类对国家进行分组

基于机器学习的推土机价格预测系统 Kaggle链接： ：//www.kaggle.com/c/bluebook-for-bulldozers/overview 比赛的目的是根据拍卖品的用途，设备类型和配置来预测其拍卖价格。 该数据来自拍卖结果发布，并包含有关使用情况和设备配置的信息。 Fast Iron正在创建一本“推土机蓝皮书”，以使客户在拍卖中评估其重型设备的价值。 问题定义 预测一件重型设备的拍卖销售价格，以为推土机创建一本“蓝皮书”。 数据 数据集链接： : 由于其大小，我无法将数据集包含在此存储库中。 请确保访问上面给出的链接，以下载该项目所需的所有数据集。 确保将所有数据集存储在文件夹“ data”中。 目录 :hourglass_done: 环境设定 :check_mark_button: 收集数据 :check_mark_button: 数据预处理和EDA 特征提取 :check_mark_button: 将字符串转换为类别 :check_mark_button: 填写缺失值 :check_mark_button: 模型实验 :hourglas

Spark推荐系统 在此项目中，目标是使用备用最小二乘（ALS）算法在Spark上构建推荐系统。 该数据集来自Kaggle竞赛，名为“ WSDM-KKBox的音乐推荐挑战赛”，其中包含用户收听歌曲的信息，播放来源等。 通过利用这些数据和适当的特征工程，可以从该数据中识别出最感兴趣的类型，艺术家和语言用户，并轻松推荐该类别中的热门歌曲。

薪水预测

美国事故分析 使用熊猫，seaborn和matplotlib等工具对美国事故数据集进行分析

Book_Recommendation_System