COGS-109-Modeling-and-Data-Analysis:利用多元线性回归和聚类的最终项目-源码

上传者: 42112658 | 上传时间: 2021-04-24 12:44:07 | 文件大小: 2.84MB | 文件类型: ZIP
COGS-109建模和数据分析 该项目使用线性回归和K均值聚类对饮食习惯数据集进行分析,该数据集包含确定肥胖的变量。 研究重点: 使用探索性线性回归和聚类,我们旨在检查数据集中的几个属性,以发现哪些是预测个体体重的最佳指标。数据集信息: 该数据集包含从墨西哥,秘鲁和哥伦比亚的个人收集的数据。该数据可用于根据饮食习惯和身体状况估算肥胖水平。有2111个实例和17个不同的属性。此外,使用体重不足,正常体重,I级超重,II级超重,I型肥胖,II型肥胖和III型肥胖的值对数据进行分类。笔记: 主要报告可在以下位置找到:“ COGS 109最终报告.pdf” 包含我们的代码的Jupyter笔记本可在以下位置找到:“ COGS 109 Final report.ipynb” 演示海报可以在以下位置找到:“肥胖分析海报” 我们使用的数据集可以在以下位置找到:“ ObesityDataSet.csv”

文件下载

资源详情

[{"title":"( 5 个子文件 2.84MB ) COGS-109-Modeling-and-Data-Analysis:利用多元线性回归和聚类的最终项目-源码","children":[{"title":"COGS-109-Modeling-and-Data-Analysis-main","children":[{"title":"COGS_109_Final Report.ipynb <span style='color:#111;'> 649.79KB </span>","children":null,"spread":false},{"title":"COGS 109 Final Report PDF.pdf <span style='color:#111;'> 1.23MB </span>","children":null,"spread":false},{"title":"ObesityDataSet.csv <span style='color:#111;'> 257.47KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.31KB </span>","children":null,"spread":false},{"title":"Obesity Analysis Poster.jpg <span style='color:#111;'> 1.29MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明