【文件属性】：
文件名称：Disaster-Response-Pipelines:开发机器学习管道以分析图八中的真实灾难数据
文件大小：4.68MB
文件格式：ZIP
更新时间：2021-04-17 08:27:34
JupyterNotebook
灾害响应管道
机器学习用例有巨大的机会来改善灾难恢复的快速响应。在这个项目中，我开发了一个机器学习管道来分析图八中的真实灾难数据，目标是查看这些消息类别并将其发送到适当的位置。救灾机构。
安装
无需安装额外的库，因为此处使用的所有库都随带有Python3.6的Anaconda发行版一起出现。
项目动机事件管理在ML用例方面具有巨大的商机，因为这些用例是从庞大的事件日志数据中生成的。 在这里，我想分析事件事件数据，以了解哪些隐藏模式将帮助我们提出有影响力的ML用例。
文件描述下面是文件的详细信息：-
该项目需要文件：
应用程序
# template # sub folder for html files
master.html # main page of web app
go.html # classification result page of web app
run.py #
【文件预览】：
Disaster-Response-Pipelines-master
----models()
--------train_classifier.py(4KB)
----data()
--------DisasterResponse.db(6.11MB)
--------disaster_categories.csv(11.33MB)
--------messages.csv(4.83MB)
--------categories.csv(11.31MB)
--------process_data.py(2KB)
----ML Pipeline Preparation.ipynb(37KB)
----app()
--------templates()
--------run.py(3KB)
----screenshots.pdf(138KB)
----ETL Pipeline Preparation.ipynb(57KB)
----README.md(2KB)