文件名称：Final_Project:最终项目
文件大小：47.8MB
文件格式：ZIP
更新时间：2024-05-08 18:49:36
JupyterNotebook
咖啡厅连锁分析 项目的第4部分： 推介会 演示 在项目演示中，我们解决了以下问题： 选题 这是对想要了解其客户的咖啡连锁企业的分析。 我们选择此主题的原因 了解客户群是任何业务中最重要的方面之一，在全国经营咖啡店的零售连锁店也是如此。 如果管理层对业务有深刻的了解，他们可以做出正确的决定来扩大业务并使其盈利。 我们选择此数据的主要原因是： 现实生活中的例子 大型企业 可用于机器学习 有助于数据可视化 业务中的数据驱动决策 了解核心客户 数据说明 这是由“我们的咖啡厅”的管理人员收集的真实数据（出于保密原因，并非真实名称），这是一家在全国范围内经营网点的咖啡厅连锁企业，其中包含来自八个“我们的咖啡厅”的交易级数据最近一年的地理位置。对于每家商店，我们每月随机抽取10天来进行每日交易的随机抽样，数据中的每个观察值代表一笔交易，并包含有关购买的特定商品以及价格和卡路里含量的信息。这些数据仅限于
【文件预览】：
Final_Project-main
----README.md(21KB)
----ML_cafe_drink_clustering.ipynb(2.88MB)
----Resources()
--------rfc_drinks.png(15KB)
--------predict.png(254KB)
--------food_items_to_csv.png(4KB)
--------relationship_between_tables.png(30KB)
--------rfc_repeat_cust.png(17KB)
--------repeat_cust_orders.png(18KB)
--------feature_eng_drink.png(12KB)
--------prelim_features_repeat_cust.png(55KB)
--------rfc_food.png(14KB)
--------Tableau_storyboard_blueprint.png(87KB)
--------drink_items_to_csv.png(12KB)
--------cafe_data_csv.png(148KB)
--------sav_model_drinks.png(10KB)
--------recommend_food.png(711KB)
--------features_and_target_food_items.png(27KB)
--------features_and_target_drink_items.png(32KB)
--------food_items.png(60KB)
--------elbow_curve_food.png(21KB)
--------preprocessing_drinks.png(24KB)
--------sav_model_food.png(7KB)
--------sav_model_repeat_cust.png(10KB)
--------predict_repeat_cust.png(1.47MB)
--------preprocessing_repeat_cust.png(13KB)
--------database_and_tables_in_postgresql.png(34KB)
--------food_items_cluster.png(35KB)
--------repeat_cust.png(35KB)
--------elbow_curve_drinks.png(26KB)
--------preprocessing_food.png(36KB)
--------machine_learning_model_dashboard.png(1.57MB)
--------drink_cluster.png(36KB)
--------drink_items_cluster.png(24KB)
--------cafe_data_features.png(10KB)
--------cust_preference.png(91KB)
--------food_cluster.png(30KB)
--------database_connection.png(88KB)
--------recommended.png(939KB)
--------ERD.png(31KB)
--------joins.png(22KB)
----cafe_db_modified.ipynb(21KB)
----cafe_data.csv(4.59MB)
----ML_cafe_food_clustering.ipynb(3.71MB)
----requirements.txt(111B)
----Flask_App()
--------flask.zip(39.79MB)
--------flask.md(65B)
----ML_cafe_reg_cust.ipynb(16KB)