文件名称：机器学习与统计项目
文件大小：531KB
文件格式：ZIP
更新时间：2024-03-16 03:26:22
JupyterNotebook
该知识库包含机器学习和统计模块的最终项目。 该项目由Donal Maher G00387395完成。 运行此rest_server 视窗 设置FLASK_APP = rest_server.py python -m flask运行docker build -t rest_server-app。 泊坞窗运行-d -p 5000：5000 rest_server-app Linux 导出FLASK_APP = rest_server.py python3 -m flask运行 该存储库在以下条件下完成了项目： 机器学习与统计项目2020.ipynb 这包含线性回归分析： 一种。 简单线性回归b。 多项式线性回归C。 多元线性回归以及线性回归和逻辑回归的一些比较 python rest服务器，这称为rest_server.py Dockerfile。
【文件预览】：
Machine-Leaning-and-Stats-Project-master
----.ipynb_checkpoints()
--------Project2020_linear_regession_investigation2-checkpoint.ipynb(176KB)
----LinearRegression.py(985B)
----requirements(9KB)
----.dockerignore(324B)
----Machine-Learning-and-Statistics-Project-2020.ipynb(498KB)
----index.html(4KB)
----Readme.md(852B)
----rest_server.py(1KB)
----.vscode()
--------launch.json(490B)
--------settings.json(249B)
--------tasks.json(671B)
----Dockerfile(283B)
----requirements.txt(289B)
----metrics.py(2KB)
----__pycache__()
--------LinearRegression.cpython-38.pyc(1KB)
----staticpages()
--------index.html(4KB)
--------index_08_01_2021.html(3KB)
--------LinearRegressionCubic.png(41KB)
--------style.html(270B)
--------script.js(3KB)
--------script.html(1KB)
--------loginPage.html(6KB)
--------powerproduction.csv(7KB)
--------style.css(0B)
----docker-compose.yml(188B)
----.gitignore(87B)
----docker-compose.debug.yml(442B)
----powerproduction.csv(7KB)