文件名称：bayeshackmining:预防矿山事故
文件大小：10KB
文件格式：ZIP
更新时间：2024-07-16 01:26:36
Python
贝叶斯黑客 减少矿山事故 美国劳工部提供的数据 挑战 我们能否利用矿山检查报告来确定矿山未来发生事故的可能性？ 数据集和详细信息： 笔记 对于这一挑战，我们选择关注检查、违规和现场雇佣数据。 由于时间限制，我们的目标是构建一个简单的优先级 Web 应用程序，根据发生事故的可能性对网站进行排名。 标签 我们选择将现场发生事故的风险建模为检查后发生事故的概率。 对于二元分类问题，前一个或当前日历年发生事故的站点被赋予正标签。 逻辑回归 为了简单和可解释性，我们选择逻辑回归来确定站点发生事故的概率。 $$ \begin{eqnarray} P(A|I) & = \frac{1}{1 + \exp(-t)} \t1 & = \beta_{0} + \sum{\beta_{i} \cdot x_{i}} \ \end{eqnarray} $$ 其中，$P(A|I)$ 是站点在检查后发生事故的
【文件预览】：
bayeshackmining-master
----ml()
--------__init__.py(0B)
--------greedy.py(835B)
--------cv.py(2KB)
----proba_json.py(950B)
----train.py(2KB)
----fileio()
--------labels.py(1KB)
--------__init__.py(0B)
----gen_metrics.py(668B)
----features()
--------violations.py(1KB)
--------__init__.py(0B)
--------inspections.py(803B)
--------common.py(549B)
----readme.md(5KB)