通过多模型监督学习算法进行收入预测 寻找慈善捐助者 胡安·罗隆（Juan E.Rolon），2017年 项目概况 在此项目中，我采用了几种监督算法，以使用从1994年美国人口普查中收集的数据准确地预测个人收入。 我们执行各种测试过程，以从初步结果中选择最佳候选算法，然后进一步优化该算法以对数据进行最佳建模。 此实现的主要目标是构建一个模型，该模型可以准确地预测个人的收入是否超过50,000美元。 在非营利机构中，组织可以靠捐赠生存，这种任务可能会出现。 了解个人的收入可以帮助非营利组织更好地理解要请求的捐赠额，或者是否应该从一开始就伸出援手。 虽然直接从公共来源确定个人的一般收入等级可能很困难，但我们可以从其他公共可用功能中推断出此价值。 该项目是从Udacity获得机器学习工程师Nanodegree所需条件的一部分。 安装 此项目需要Python 2.7和已安装的以下Python

人口普查-收入预测 概述 在该项目中，我们将使用年龄，教育程度，工作类别，国家/地区，职业等各种特征来预测一个人的年收入是否超过5万美元或低于5万美元。这是一个二元分类问题。 我们将使用的数据集是来自Kaggle的成人普查收入数据集，其中包含约32561行和15个要素。 网络应用 如果要查看已部署的模型，请单击以下链接： : 如果要搜索代码，使用的算法和模型的准确性，请打开“ Income Prediction.ipynb”文件