Customer_churn_prediction:机器学习项目

该笔记是‘一个完整的机器学习项目’，具体的是预测房价的中位数，包括：获取数据、发现并可视化数据，发现规律、为机器学习算法准备数据、选择模型，进行训练、微调模型、给出解决方案和部署、监控、维护系统。接下来是具体的代码。 #俗话说，巧妇难为无米之炊，机器学习就是从大量数据中学习规律，所以项目第一步是下载数据，以下是具体代码 现在，运行完上述代码，就会在工作空间创建一个datasets/housing目录，下载housing.tgz

感谢JetBrains提供IDEA与DataGrip软件支持 的github :link: 吉蒂 :link: 此项目依赖于公共组件LazyerStarter 先将lazyer那个项目克隆下来，再在lazyer项目下执行mvn clean install -Dmaven.test.skip=true将lazyer组件安装到本地maven仓库，再启动此项目即可（需要修改数据库账号密码） git添加多远程仓库 git remote set-url --add origin git@github.com:FutaoSmile/springbootFramework.git ＃配合配套文章食用更加哦〜

深度学习项目将男性画像转换成女性,反之亦然

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。

学习项目（网上数码商城）学习项目（网上数码商城）学习项目（网上数码商城）学习项目（网上数码商城）学习项目（网上数码商城）

猫狗大战迁移学习实战项目所需的完整模型+测试数据，可以自己直接加载进行测试使用 results：自己基于迁移学习方法训练得到的二分类模型 test：bing搜索引擎图像数据爬虫结果，针对cat和dog两类目标分别爬取了200多张图像数据 test1：随机从kaggle数据集每类的12500张数据中抽取100张图像组成的测试数据集

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