Jupyter调查 该存储库包含Project Jupyter和IPython收集的数据集和调查。 将数据添加到此存储库 要将数据集添加到此存储库，请在相关顶级目录下创建一个语法YYYY-MM-short-description的子目录。 例如，如果它是调查数据，则在surveys顶级目录下创建文件夹。 在该目录中，请创建一个新的README.md文件，其中包含数据的简短描述，包括： 收集日期 谁收集数据 人口是什么（如果是人类数据），可以在哪里找到代码（如果是模拟数据）或有关数据源的其他相关信息 您可能还希望提供有关如何引用数据集的信息，例如DOI。 如果没有DOI，则可以通过将数据集上载到等服务来获得DOI。 Jupyter用户调查 Jupyter用户调查的材料和结果。 IPython用户调查 IPython用户调查的材料和结果。 我们在2011年和2013年进行了IPython

CCF_BDCI_2019_datafountain350 CCF BDCI 2019 互联网新闻情感分析 复赛top8 代码 开源方案见知乎：

Jupyter_notebook_data_analyst MySQL培训： 我的ETL练习。 ：到SQL /数据库 与现实世界数据集的机器学习概念。 ：随机森林，决策树和交叉验证 ：随机森林模型和交叉验证（Python和R） ：随机森林模型 ：KNN分类器 ：线性回归和交叉验证（R） ：逻辑回归和决策树模型（R） 我的EDA实践： 免费课程的便捷教程：

Jupyter笔记本 Jupyter Notebooks，用于RAPcores分析。

用Python制作系统树的教程 该存储库包含一个教程和从python中的序列数据创建系统树的示例。 它旨在作为入门，并使用BioPython软件包中的模块。 完整的教程可在。 jupyter笔记本中的示例-请参见turtles.ipynb文件的turtles文件夹 python文件中的示例-查看sharks.py文件的sharks文件夹 jupyter笔记本中的大树示例-请参见coral.ipynb文件的coral文件夹 youtube 教程。

使用句法分析的概念验证假新闻检测系统。 它使用位于的训练文件来训练机器学习模型。 然后，使用性能最好的模型（在此为SVC）来预测提供的文本是由人还是由机器生成的。 一个简短的介绍性视频。

假新闻Confia 基于新闻传播和用户声誉的虚拟媒体虚假新闻检测研究 剧本 这些脚本旨在创建用于数据挖掘和训练分类器的一组数据集。 数据集基于从Twitter提取到文件结构中的现有内容。 Jupyter笔记本 笔记本打算从以前创建的数据集中提取信息。 收集信息并将其用作不同分类器的输入，以创建多个机器学习模型。

假新闻检测 参考相关作品，并根据越南文文章建立基于LSTM和CNN的虚假新闻检测模型。

MAIS202 2020年秋季最终项目：假新闻检测器 抽象的 这是麦吉尔MAIS202的最终项目。 该项目的目标是对任何新闻产生“真实”或“伪造”分类。 提出并实现的算法是经典的朴素贝叶斯算法。 另外，我已经实现了广泛的自然语言预处理，使用了诸如“停用词去除”和“词义化”之类的方法来提高分类的准确性。 通过对多项式算法进行网格搜索并实现最佳参数，测试精度达到了97％。 储存库结构 该存储库包含2个文件夹和2个文件：。 派力宝 可交付成果1 数据选择提案.pdf 交付品2 Deliverable2.ipynb Delivearble2.pdf 可交付成果3 Deliverable3.ipynb 交付品3.pdf 可交付成果4 Deliverable4.ipynb 资料集 Fake.csv True.csv 最终项目 pycache的 环保 范本 fake.html r

假新闻检测器 建立一个模型来识别不可靠的新闻文章。 贡献者： Hutaf R. Aljohani，Abdullah Almokainzi，Arwa Ashi