文件名称：Data-Science:存储库包含我完成的数据科学机器学习项目和笔记的组合。 以iPython Notebook的形式呈现
文件大小：27.87MB
文件格式：ZIP
更新时间：2024-04-16 12:30:12
portfolio data-science machine-learning data-visualization data-analysis
数据科学组合 包含我完成的数据科学项目组合和注释的存储库。 以iPython Notebook的形式呈现 目录 机器学习 ：探索性数据分析和Logistic回归模型，以确定在2013年至2019年的六年内客户流失率 ：测试二项式Logistic回归。 ：使用各种算法为该数据集找到最佳模型的客户流失分类预测模型。 ：使用K最近邻居算法对鸢尾花进行。 ：使用Tensorflow的剪刀石头布游戏图像识别。 ：创建用于客户细分的KPrototypes（分类）模型，并将其用于自定义数据集（自动化目的）。 数据分析与可视化 ：在2020年3月至2020年12月的9个月期间内，东南亚（SEA）中可视化（使用API获取数据）。 ：麦当劳餐的探索性数据分析。 数据科学笔记 5-线性回归
【文件预览】：
Data-Science-main
----NDSC-2020()
--------Payment-Matching()
--------README.md(1B)
--------Market-Basket()
----ASEAN Covid-19 Analysis()
--------README.md(1B)
--------ASEAN Covid-19 Analysis.ipynb(111KB)
----Give-Me-Some-Credit()
--------Standardized Binomial Logistic Regression.ipynb(331KB)
--------Give Me Some Credit.csv(909KB)
--------README.md(1B)
----Customer Churn Prediction-ML()
-------- Customer Churn Prediction using Machine Learning.ipynb(585KB)
--------README.md(1B)
----Data Science in Marketing_Customer Segmentation-ML()
--------KPrototypes_Data_Science_in_Marketing_Customer_Segmentation_with_Python.ipynb(263KB)
--------README.md(1B)
----Business_Decision_Research()
--------Business Decision Research_Logistic Regression.ipynb(335KB)
--------README.md(1B)
----Rock-Paper-Scissors-ML()
--------Rock_Paper_Scissors.ipynb(495KB)
--------README.md(1B)
----README.md(3KB)
----Data_Science_Notes()
--------2_Pandas()
--------1_Numpy()
--------4_Seaborn_Data_Visualizations()
--------5_Linear_Regression()
--------README.md(1B)
--------3_Matplotlib()
----McD-Nutritional-Facts()
--------menu.csv(29KB)
--------MCD_v2.ipynb(269KB)
--------README.md(49B)
----Iris-Flower-ML()
--------Iris.csv(5KB)
--------KNN - Iris Flower.ipynb(677KB)
--------README.md(1B)
--------database.sqlite(10KB)