使用PyTorch在MURA数据集上的DenseNet 在MURA数据集上实现169层模型的PyTorch实现，灵感来自Pranav Rajpurkar等人的论文 。 MURA是肌肉骨骼X射线照片的大型数据集，其中放射医师手动将每项研究标记为正常或异常。 重要事项： 所实现的模型是169层DenseNet，其单节点输出层使用ImageNet数据集上预先训练的模型中的权重进行初始化。 在将图像馈送到网络之前，将每个图像标准化为具有与ImageNet训练集中的图像相同的均值和标准差，并缩放为224 x 224，并通过随机的横向反转和旋转进行增强。 该模型使用了本文提到的改进的二进制交叉熵损失函数。 每次经过一段时间后，验证损失达到稳定水平，学习率就会下降10倍。 优化算法是默认参数β1= 0.9和β2= 0.999的Adam。 根据MURA数据集文件： 该模型将一个或多个用于上

Olist电子商务初始数据分析 拉尔斯·廷内费尔德（ Lars Tinnefeld） ，2020-11-23 表中的内容 关于奥利斯特 Olist适用于“想要销售更多更好的产品”和“想要吸引新客户”的每个人。 作为电子商务领域的企业，Olist是面向小型企业的在线销售平台。 在Olist的注册页面上，列出了一系列适合业务模型的店主个人资料。 重点是通过扩大市场占有率吸引更多客户。 用户满意度报告有助于解决关注的领域。 因此，Olist充当服务提供商，负责管理店主的销售流程。 Olist不拥有任何提供的产品，并且也不管理运输或库存。 商业目标 分析的目的是提取支持Olist业务目标的信息。 这些目标是：通过扩大服务范围吸引更多的店主，并通过更广泛的产品范围和更高的满意度吸引更多的最终客户。 该分析是业务案例的一部分，该业务案例正在寻求将Olist的服务扩展到还包括物流和仓储，这是Olist目

伊丽莎白-约瑟芬-纽马克-技术试验 从消费者的角度评估有助于肯尼亚品牌声誉的因素。 使用R语言和Rstudio进行的分析。 附加文件 Newmark Analytics正在开展一项名为“肯尼亚消费者对品牌声誉认知度的决定因素”的调查。 这项研究的目的是从客户的角度评估影响肯尼亚品牌声誉的因素。 如果html对于github而言太大，则链接到文件

股市探索数据分析笔记本 使用库Numpy，Matplotlib和Pandas进行股票市场数据集探索性数据分析的Jupyter Notebook。 数据集具有以下功能： serial_number：每个变量的唯一标识符 time_stamp：捕获数据的日期 open_value：指定日期的期初值 maximum_value：在特定日期达到的索引的最高值 minimum_value：特定日期的索引的最低值 resolve_value：结算当天的值 volume_sell：卖出指数的数量

全球票房探索性数据分析 该项目是对使用Plotly和Python的全球票房数据的分析。

Coursera-探索性-数据-分析 #项目2 介绍 细颗粒物 ($PM_{2.5}$) 是一种环境空气污染物，有强有力的证据表明它对人类健康有害。 在美国，环境保护署 (EPA) 的任务是为细颗粒物制定国家环境空气质量标准，并跟踪这种污染物排放到大气中的情况。 EPA 大约每 3 年发布一次有关 $PM_{2.5}$ 排放量的数据库。 该数据库被称为国家排放清单 (NEI)。 您可以在 [EPA 国家排放清单网站] ( ) 上阅读有关 NEI 的更多信息。 对于每年和每种类型的 PM 源，NEI 记录在全年过程中从该源排放了多少吨 $PM_{2.5}$。 您将用于此分配的数据是 1999、2002、2005 和 2008 年的数据。 数据 此作业的数据可从课程网站作为单个 zip 文件获得： [同行评估数据] ( ) [29Mb] zip 文件包含两个文件： $ {PM_ 2

使用机器学习预测足球比赛结果：在Jupyter Notebook中使用机器学习算法进行足球比赛预测

Martinez, Martinez, Solka, Exploratory Data Analysis with MATLAB, 2ed, CRC, 2011。英文版探索性数据分析，使用Matlab实现。体系较完整的介绍了数据降维，数据聚类以及数据可视化的经典方法，其中不少一些新近发展起来的方法。

In statistics, exploratory data analysis (EDA) is an approach to analyzing data sets to summarize their main characteristics, often with visual methods. A statistical model can be used or not, but primarily EDA is for seeing what the data can tell us beyond the formal modeling or hypothesis testing task.

黑色星期五销售 黑色星期五销售数据集的探索性数据分析。 该项目分析了一个黑色星期五购物的小数据集，其中包含来自客户的人口统计数据。 在这里，我将采用统计和机器学习技术以及数据可视化来探索数据集。 给出的功能无法单手预测客户的购买行为，这就是该项目仅专注于探索性数据分析的原因。 数据已从数据科学网站Analytics Vidhya获得。 可以在“ BFS_functions_and_classes.py”中找到所使用的所有自定义函数和类的代码和文档。