文件名称：Data_Science_work：这是我在探索该领域时完成的一组数据科学项目
文件大小：3.54MB
文件格式：ZIP
更新时间：2024-03-18 06:10:10
JupyterNotebook
统计，数据科学，AI和ML 创建该存储库是为了存储我与数据科学领域相关的项目，笔记和学习内容。 它包括使用各种数据科学和机器学习技术执行的项目。 我使用了来自各种开源数据存储库的数据集。 范围：这项工作主要围绕使用各种支持库在python环境中执行这些最新技术进行。 它不涉及算法背后的密集数学。 但是，我在某些笔记本中附加了各种资源链接，以便从概述的角度更好地理解它们。 我坚信，在尝试理解或使用这些笔记本之前，必须对这些技术和背后的算法有充分的了解。 内容 探索性数据分析 机器学习 监督学习 线性回归 逻辑回归 朴素贝叶斯 支持向量机 决策树 套袋-随机森林 增强-AdaBoost，梯度增强，XGBoost 无监督学习 KMeans / KPrototypes聚类 层次聚类 主成分分析
【文件预览】：
Data_Science_work-main
----KMeans_KPrototypes()
--------Mall_Customers.csv(4KB)
--------KMeans_KPrototypes_clustering_market_segment.ipynb(225KB)
----PCA()
--------PCA_logistic_regression_irish_dataset.ipynb(407KB)
--------IRIS.csv(5KB)
----XGBoost()
--------winequality-red.csv(99KB)
--------XGBoost_wine_quality.ipynb(411KB)
----AdaBoost()
--------winequality-red.csv(99KB)
--------AdaBoost_wine_quality.ipynb(406KB)
----LICENSE(1KB)
----Hierarchical_clustering()
--------Mall_Customers.csv(4KB)
--------Hierarchical_clustering_market_segment.ipynb(192KB)
----Decision_tree()
--------Decision_tree_wine_quality.ipynb(405KB)
--------dec_tree.pdf(101KB)
--------winequality-red.csv(99KB)
--------dec_tree_tuned.pdf(36KB)
----Naive_Bayes()
--------Naive_bayes_irish_dataset.ipynb(284KB)
--------IRIS.csv(5KB)
--------CM.png(21KB)
----SVM()
--------svm_irish_dataset.ipynb(293KB)
--------IRIS.csv(5KB)
--------CM.png(21KB)
----Random_forest()
--------winequality-red.csv(99KB)
--------Random_forest_wine_quality.ipynb(404KB)
----EDA()
--------EDA_Heart.ipynb(554KB)
--------heart.csv(11KB)
----Linear_Regression()
--------Data Dictionary - carprices.xlsx(15KB)
--------CarPrice.csv(26KB)
--------Linear_regression_car_price_prediction.ipynb(634KB)
----Logistic_Regression()
--------heart.csv(11KB)
--------Logistic_regression_Heart.ipynb(584KB)
----README.md(1KB)
----GradientBoosting()
--------winequality-red.csv(99KB)
--------GradientBoosting_wine_quality.ipynb(399KB)