文件名称：Final-Project
文件大小：81.66MB
文件格式：ZIP
更新时间：2024-04-16 21:09:26
JupyterNotebook
最终项目 项目3提案：该小组包括Eliot Chern，Sean Galloway，Ian Koenes和Cora Micsunescu。 该项目将使用Kaggle（ ）中的IMDB数据创建85,000条记录，以创建基于Flask的应用程序，该应用程序执行一些不同的操作分析。 数据源是CSV文件。 如果在flask应用程序中需要，另外的数据存储将是MongoDB。 Flask应用程序已部署到Heroku。 一种分析将获取数据，并使用一些不同的机器学习工具根据流派和描述来学习电影的获利能力。 预期的模型是Logistic回归，随机森林和Kera神经网络。 准确性是用于确定模型性能的度量。 该网页将保存有关模型的准确性以及根据用户选择的体裁和叙述计算出的获利能力的图表。 flask应用程序将在保存的模型上产生盈利，而javascript则处理显示信息。 第二种分析将检验以下假设：最赚钱的电影
【文件预览】：
Final-Project-main
----app.py(1KB)
----ETL_Ian.ipynb(1.23MB)
----ETL_Eliot2.ipynb(28KB)
----ML_Ian.ipynb(587B)
----Images()
--------linear_cora.png(10KB)
--------NeuralNet1.png(31KB)
----templates()
--------home.html(1KB)
--------layout.html(4KB)
----Models_Eliot_Logistic_Regression.ipynb(13KB)
----Models_sean_Random_Forest.ipynb(31KB)
----Models_sean_Logistic_Regression.ipynb(37KB)
----ETL_Eliot.ipynb(30KB)
----Procfile(0B)
----.DS_Store(10KB)
----static()
--------css()
--------img()
--------js()
----Models_Cora_Tensorflow.ipynb(0B)
----ETL_Cora.ipynb(20KB)
----Models_sean_Keras_Neural_Net_1.ipynb(61KB)
----ETL_sean.ipynb(36KB)
----.gitignore(2KB)
----Project 3 Proposal.docx(15KB)
----Models_Cora_Linear_Regression.ipynb(3.35MB)
----Saved_Models()
--------sean_Neural_Net_1.h5(59.96MB)
--------sean_Logistic_Regression.sav(492KB)
--------sean_Random_Forest.sav(29.78MB)
----README.md(1KB)
----Resource()
--------IMDb_movies.csv(133B)
--------IMDB_eliot2.csv(132B)
--------IMDB_cora.csv(132B)
--------IMDB_eliot.csv(132B)
--------IMDB_sean.csv(132B)
----.gitattributes(42B)