文件名称：group4-project:第4组最终项目-Dataviz训练营
文件大小：32.49MB
文件格式：ZIP
更新时间：2024-04-02 21:21:06
JupyterNotebook
餐厅业务分析 项目目的 该项目将使用机器学习算法和模型根据诸如食物供应，噪音水平，位置，价格范围等特征来预测餐馆的星级，并根据其特征来预测餐馆的成功。 对不同的机器学习模型进行训练和评估，以最高精度预测模型。 我们选择主题的原因 我们这样做的原因是我们希望能够帮助人们找到最好的餐馆。 数据源描述 数据集来自 。 它包含5个不同的json数据文件，我们只从其中取出business.json 。 business.json文件包含业务数据，包括餐厅的位置数据，属性，类别和星级。 数据要回答的问题 每个州每个类别的平均饭店评分 每个州排名前5的餐厅 哪些功能使餐厅成功？ 考虑到这些功能，我们能否通过星级准确地对餐厅进行分类？ 有了这些功能，我们能否准确预测一家餐厅的成功？ 通讯协议 Zoom和Slack是用于项目讨论的交流平台。 每周召开几次会议，以分配项目任务，确定要使用的技术并解决过程
【文件预览】：
group4-project-main
----Flask_Application()
--------dataframe_inspections.ipynb(12KB)
--------app.py(6KB)
--------ML_Classifier.py(4KB)
--------connect_sql_db.py(1KB)
--------json_data()
--------favicon_io()
--------templates()
--------static()
----Resources()
--------model_accuracy.png(25KB)
--------raw_json.png(197KB)
--------100_epochs.png(55KB)
--------Logistic Regression_accuracy score.png(22KB)
--------machine_learning.png(59KB)
--------business_df.png(106KB)
--------yelp_restaurants.png(17KB)
--------Random oversampling classification report.png(45KB)
--------Restaurant.jpg(197KB)
--------tables.png(12KB)
--------data.png(107KB)
--------model_classification_report.png(24KB)
--------model_predictions.png(11KB)
--------server.png(13KB)
--------review_table.png(17KB)
--------Logistic classification report.png(45KB)
--------Random oversampling accuracy score.png(29KB)
--------model_summary.png(39KB)
--------schema.png(180KB)
--------attributes_df.png(188KB)
--------model_loss.png(21KB)
----requirements.txt(2KB)
----Dashboard()
--------Group4 Slides_Mar 4.pptx(1.17MB)
--------Group4_Slides_Feb28.pptx(974KB)
--------Copy of Group4 Slides (1).pptx(983KB)
--------Tableau()
--------Tab1.twb(117KB)
----README.md(4KB)
----Machine_Learning()
--------ML_and_DataCleaning_notebooks()
--------README.md(6KB)
----Dataset()
--------Raw()
--------Cleaned()
----.gitignore(2KB)
----Database()
--------README.md(183B)
--------Schema()