帕金森病数据分析 介绍： 说明和文献： 在这项研究中，我们将分析被诊断出患有这种疾病的患者数据。 期望使用来自受试者的语音数据有助于无创诊断的发展。 帕金森氏症（PWP）的人会遭受言语障碍，例如语音障碍（声音使用不良），低音障碍（音量减小），单调（音调范围减小）和构音障碍（声音或音节发音困难）。 因此，我们在此项目中的分析将基于受影响的语音参数。 数据： 该数据集由牛津大学的Athanasios Tsanas和Max Little与美国的10个医疗中心以及英特尔公司合作开发，后者开发了远程监控设备来记录语音信号。 该数据集由一系列生物医学语音测量组成，从42名帕金森氏症早期患者中招募，到远程症状进展监测的远程监测设备的为期六个月的试验。 这些记录会自动记录在患者家中。 数据集中的列包含受试者编号，受试者年龄，受试者性别，自基线募集日期起的时间间隔，运动UPDRS，总UPDRS和16

流失预测 使用人工神经网络的客户流失预测 问题陈述 任务是预测某个客户是否会放弃公司。 也就是说，要预测“客户流失”属性。 通常，为每个客户国家/地区提供的信息帐户长度区号电话国际计划VMail计划VMail消息日间日间通话日间收费夏娃·明斯平安夜电话夏娃冲锋夜分钟夜间通话夜间收费国际分钟国际通话国际收费客户服务电话搅拌？ 内容 数据探索 数据预处理 训练模式 可视化模型

客户分析：机器学习有关客户细分和群体预测的案例研究

spacv ：Python中的空间交叉验证 spacv是一个小型Python 3（3.6及更高版本）软件包，用于模型的交叉验证，该模型评估对具有空间依赖性的数据集的泛化性能。 spacv提供了一个类似spacv的熟悉的API，公开了一套适用于基于点的空间预测任务的工具。 有关用法，请参阅笔记本spacv_guide.ipynb 。 依存关系 numpy matplotlib pandas geopandas shapely scikit-learn scipy 安装及使用 要安装，请使用pip： $ pip install spacv 然后使用sklearn构建快速的空间交叉验证

深雨 该项目是在 HTWG Konstanz - 应用科学大学的课程背景下创建的。 目标是使用机器学习对康斯坦茨周边地区 35 分钟的短期降水预测。 因此，我们在 keras 和 tensorflow 中为 python 3 使用了 UNet 实现。 我们的团队： 、 、 、 在教授的监督下使用 UNet 创建了短期降水预测。 结果 可以从我们的英文论文中阅读 或在我们完整德语报告中 要求 要运行此存储库中的脚本，您需要 Python 发行版并另外安装以下软件包： 凯拉斯 张量流 cv2 (OpenCV) 拉德利卜

Mathematical+Foundations+of+Data+Science+Using+R. 2020 pdf

cryptocurrency-price-prediction：使用LSTM神经网络的加密货币价格预测

使用AzureML进行心力衰竭预测 在此项目中，我们演示如何使用Azure ML Python SDK使用Azure AutoML和Hyperdrive服务来训练模型以预测由于心力衰竭导致的死亡率。 训练后，我们将部署最佳模型并通过使用它来评估模型端点。 项目设置与安装 若要设置此项目，我们需要访问Azure ML Studio。 项目设计的申请流程如下： 使用计算实例创建一个Azure ML工作区。 创建一个Azure ML计算群集。 从此资源库将心力衰竭预测数据集上载到Azure ML Studio。 将此存储库中附加的笔记本和脚本导入到Azure ML Studio中的“笔记本”部分。 笔记本中详细介绍了所有运行单元的说明。 数据集 概述 数据集用于评估心力衰竭患者的严重程度。 它包含2015年4月至12月在费萨拉巴德心脏病研究所和费萨拉巴德（巴基斯坦旁遮普）联合医院收集的

Alex Gorelik - The Enterprise Big Data Lake_ Delivering the Promise of Big Data and Data Science-O’Reilly Media (2019)

《数据科学原理（影印版 英文版）》旨在帮助你将数学、编程和商业分析这三者融会贯通。有了《数据科学原理（影印版 英文版）》，在面对复杂的问题时，无论是抽象和原始的数据统计，还是可实施的理念，你都会充满自信。 　　我们采用了一种独特的方法来建立起数学和计算机科学之间的桥梁，你会在这次令人兴奋的学习之旅中成长为一名数据科学家。从清洗和准备数据开始，然后到给出有效的数据挖掘策略和技术，你会经历数据科学的整个流程，建立起数据科学的各个组成部分是如何相互协作的宏观概念，学习基本的数学和统计学知识以及一些目前由数据科学家和分析师用到的伪代码。除此之外，你还将掌握机器学习，了解一些有用的统计模型，这些模型能够帮助你控制和处理*密集的数据集，学会如何创建出能股表达数据意图的可视化方法。