文件名称：Data_analytics_Bootcamp_Project
文件大小：10.76MB
文件格式：ZIP
更新时间：2024-06-16 02:00:31
HTML
Data_Analytics_Bootcamp_Project 段1 推介会 谁做的 每个人 话题 我们作为一个整体集体选择创建一个网站来帮助预测房价。 回答原因/问题 我们对房屋的内部和外部特征以及房屋周围的区域以及它如何影响某个区域的价格感到好奇。 数据源） 的GitHub 谁做的 伊丽莎白 沟通 交流主要通过两周一次的会议以及不协调的消息进行。 我们通过GitHub分享所有工作。 我们还有一个Google文件夹，我们可以在其中互相提供提示，帮助和信息。 机器学习模型 谁做的 布兰登布兰登的自述文件 萨维莎萨维莎的自述文件 数据库 谁做的 卡列布 迦勒的自述 数据库的开始 ERD图 KC_house示例表 邮政编码表 仪表盘 不适用 段2 推介会 每个人 伊丽莎白整理演讲 推介会 的GitHub 伊丽莎白的自述文件 机器学习模型 布兰登的自述文件 萨维莎的自述文件 数据
【文件预览】：
Data_analytics_Bootcamp_Project-main
----app.py(7KB)
----formatted_housedata.csv(1.26MB)
----debug.log(67B)
----runtime.txt(12B)
----housedata.db(0B)
----hp_xgbmodel.pkl(1.49MB)
----templates()
--------index.html(6KB)
--------predict.html(7KB)
----Machine_Learning_Model()
--------Compare.csv(315KB)
--------debug.log(342B)
--------runtime.txt(12B)
--------housedata.db(12.29MB)
--------House_Price_Prediction_ML.ipynb(177KB)
--------House_Price_Prediction_ML.py(7KB)
--------__pycache__()
--------Additional Data()
--------zip_code_database.csv(4.26MB)
--------kc_house_data.csv(2.23MB)
--------.ipynb_checkpoints()
----__pycache__()
--------app.cpython-37.pyc(3KB)
----average_price_df.csv(685B)
----Procfile(21B)
----Resources()
--------process.png(152KB)
--------zip_code_database.csv(4.26MB)
--------kc_house_data.csv(2.23MB)
----static()
--------styles()
----requirements.txt(127B)
----hp_scalar.pkl(732B)
----README.md(5KB)
----Final_Project_Rubric.pdf(562KB)