【文件属性】：
文件名称：机器学习ND：Udacity机器学习纳米学位的回购
文件大小：130.3MB
文件格式：ZIP
更新时间：2021-02-03 06:34:37
python jupyter-notebook JupyterNotebookHTML
机器学习
Udacity机器学习纳米项目的回购
项目：泰坦尼克号生存探索
描述：
在这个项目中，我创建了决策函数，试图根据每个乘客的特征（例如性别和年龄）来预测1912年泰坦尼克号灾难的生存结果。 我从一个简单的算法开始，然后增加它的复杂性，直到我能够在所提供的数据中准确预测至少80％的乘客的结果。
项目：预测波士顿住房价格
描述：
在这个项目中，我将基本的机器学习概念应用于马萨诸塞州波士顿地区的房价数据，以预测新房的售价。 我首先探索数据以获得有关数据集的重要功能和描述性统计信息。 接下来，我将数据适当地分为测试和训练子集，并为该问题确定合适的性能指标。 然后，我分析具有变化参数和训练集大小的学习算法的性能图。 这使我能够选择最佳模型，对未见数据进行最佳概括。 最后，我在一个新样本上测试了这个最优模型，并将预测的售价与我的统计数据进行了比较。
项目：创建学生干预系统
描述：
随着教育越来越依赖技术，大量数据已经可供检查和预测。 现在，可以通过诸如Canvas和Edmodo之类的学习管理系统实时记录学生活动，成绩，与老师和同学的互动等的日志。 对于在线教室尤其如此，在线教室甚至在
【文件预览】：
Machine-Learning-ND-master
----boston_housing()
--------visuals.py(5KB)
--------project_description.md(6KB)
--------report.html(516KB)
--------housing.csv(12KB)
--------boston_housing.ipynb(313KB)
--------README.md(2KB)
----HelloML.ipynb(8KB)
----titanic_survival_exploration()
--------visuals.py(6KB)
--------project_description.md(5KB)
--------report.html(332KB)
--------titanic_data.csv(60KB)
--------titanic_survival_exploration.ipynb(135KB)
--------README.md(2KB)
----smartcab()
--------visuals.py(8KB)
--------images()
--------logs()
--------project_description.md(12KB)
--------report.html(510KB)
--------smartcab()
--------smartcab.ipynb(318KB)
--------README.md(1KB)
----customer_segments()
--------customer_segments.ipynb(674KB)
--------customers.csv(14KB)
--------visuals.py(6KB)
--------project_description.md(6KB)
--------report.html(860KB)
--------README.md(3KB)
----README.md(7KB)
----student_intervention()
--------optimal-hyperplane.png(8KB)
--------student-data.csv(39KB)
--------project_description.md(5KB)
--------student_intervention.ipynb(50KB)
--------report.html(271KB)
--------1gvce.png(39KB)
--------README.md(4KB)
----.gitattributes(61B)
----capstone()
--------robotic_maze_planning()
--------traffic-signs()