文件名称：OneDayProjects：用于研究和学习的小型项目
文件大小：37.08MB
文件格式：ZIP
更新时间：2024-03-05 08:53:58
JupyterNotebook
一日项目 研究和学习的小型项目 1.客户细分 来自英国零售商的实际交易客户细分： 现“客户细分”为 将客户群分为多个群体的过程，这些群体在产品的营销方式或向他们推销方面具有相似性，例如性别，年龄，兴趣，人口统计，经济状况，地理位置，行为方式，消费习惯等。 是无监督学习的最重要应用之一。 通过使用群集技术，公司可以确定客户的几个细分市场，从而使他们可以定位潜在的用户群。 公司使用群集过程来预见或映射具有类似行为的客户群，以识别和定位潜在的用户群。 用于细分的算法： K均值聚类 分层聚类 分割方法 模糊聚类 基于密度的聚类 基于模型的聚类
【文件预览】：
OneDayProjects-main
----winemag-data-130k-v2.csv(50.46MB)
----.ipynb_checkpoints()
--------Plots for everything-checkpoint.ipynb(685KB)
----Covid19()
--------world-vaccination.ipynb(74KB)
--------visualisation.ipynb(16.51MB)
--------.gitignore(86B)
----Plots for everything.ipynb(685KB)
----iris.csv(4KB)
----Obesity()
--------.ipynb_checkpoints()
--------project.ipynb(2.49MB)
--------data()
----knn()
--------.ipynb_checkpoints()
--------Untitled.ipynb(56KB)
----JaneStreet()
--------eda-1-prediction.ipynb(16KB)
----README.md(1KB)
----CustomerSegmentation()
--------py()
--------CustomerSeg.ipynb(887KB)
--------untitled.txt(0B)
--------data()
--------readme.md(799B)
----Revature()
--------README.md(72B)
--------.gitignore(87B)
----JobParser()
--------Untitled.ipynb(8.01MB)
--------README.md(611B)
--------JobParser.ipynb(451KB)
--------data()
----Predictive Analytics()
--------Forecast.ipynb(4.12MB)
--------untitled.txt(0B)
--------data()
--------.gitignore(85B)
--------readme.md(602B)
--------House_loan_prediction.ipynb(68KB)
----.gitignore(98B)
----CarPricePred()
--------car-price-prediction.ipynb(217KB)
--------car-price-prediction (1).ipynb(112KB)