文件名称：products:过去统计项目的产品。 （AI，统计模型等。）
文件大小：3.72MB
文件格式：ZIP
更新时间：2024-05-28 14:09:00
HTML
产品 IG_like-bot： 我使用Instapy模块制作了一个类似的bot，它会在指定的时间像这样搜索标签，并在午夜在.csv中汇总当天的日志。 NBA_winner_estimate_AI： 我们从网络中提取了过去五年中所有NBA游戏的数据，并使用逻辑回归创建了赢/输预测AI。如果调整每个团队的功能等，则可以预测AUC分数约为75（对于SF勇士而言）。 langugage_generator：我使用以下资源创建了一个语言生成器。 我的第一个python产品“使用书”：“最简单的Python机器学习教科书，在流行老师教的工作中有用的实用知识” 文字档： ： 队列分析：使用队列分析，我们对5年后按年龄划分的人口变化做出了预测。 尽管有5年的长期预测，但我们仍能够将MAPE保持在6％。 monty_hall：我使用python创建了以下概率问题的模拟，称为Monty Hall问
【文件预览】：
products-main
----time_series()
--------time_series.html(932KB)
--------time_series.Rmd(975B)
--------amzn_stock.csv(6KB)
----NBA_winner_estimate_AI()
--------NBA_data()
--------NBAwithmoreData.py(2KB)
--------NBA_warriors.py(3KB)
----python_sql_database_manager()
--------python_sql_manager.ipynb(26KB)
--------stocks.db(8KB)
----cohort_analysis()
--------Cohort_analysis.Rmd(9KB)
--------Cohort_analysis.html(1.25MB)
----titanic()
--------pred_ver2.csv(3KB)
--------titanic.Rmd(6KB)
--------test.csv(28KB)
--------train.csv(60KB)
--------titanic.nb.html(1.09MB)
--------gender_submission.csv(3KB)
--------titanic.Rproj(205B)
--------pred_ver1.csv(3KB)
----monty_hall()
--------description.rtf(5KB)
--------Monty_Hall.py(838B)
----README.md(4KB)
----multilevel_model()
--------multilevel_logsticreg_model.html(784KB)
--------multilevel_linear.html(1.51MB)
--------multilevel_linear.Rmd(5KB)
--------multilevel_logsticreg_model.Rmd(6KB)
----IG_like-bot()
--------IG_like-bot.py(2KB)
--------log.csv(13KB)
----langugage_generator()
--------lg_generate_text.py(4KB)
--------kokoro.txt(365KB)
--------lg_get_textdata.py(515B)
--------kokoro_2.txt(6KB)
----system_development_diagram()
--------system_request.pdf(56KB)
--------use_case.pdf(31KB)
--------description .rtf(845B)
--------dataflow_diagram.pdf(24KB)
--------prototype_use_case.pdf(746KB)