data science portfolio下载 - data science portfolio源代码下载

data science portfolio

其他源码

1.0.0

下载

数据科学作品集

我为学术，自我学习和爱好目的而完成的数据科学项目的存储库。以Jupyter笔记本和R Markdown文件的形式呈现（在RPUBS出版）。

有关浏览投资组合的视觉上更愉快的体验，请查看Sajalsharma.com

R投资组合位于这里。

注意：项目中使用的数据（在数据目录中访问）仅用于演示目的。

在本地运行Python笔记本的说明

使用需求txt安装依赖项。
通过使用Jupyter笔记本服务器，VSCODE等，照常运行笔记本电脑。

内容

机器学习
- 预测波士顿住房价格：使用各种统计分析工具来预测波士顿房地产市场中给定房屋价值的模型。确定了客户可以利用机器学习出售房屋的最佳价格。
- 监督学习：寻找慈善机构的捐助者：测试几种不同的监督学习算法，以构建一个模型，该模型可以准确预测个人是否赚了50,000美元以上，以确定虚构的非营利组织的可能捐助者。
- 无监督的学习：创建客户群：分析一个数据集，其中包含各种客户的年度支出金额（以货币单位报告），以发现内部结构，模式和知识。
- 加强学习：训练智能卡比驱动器：创建一个优化的Q学习驱动器，该驱动器将通过其环境导航到目标。
- 深度学习：使用CNNS的数字序列识别：设计和实施卷积神经网络，该网络学会使用通过串联MNIST产生的合成数据识别数字序列。
工具：Scikit-Learn，Pandas，Seaborn，Matplotlib，Pygame
自然语言处理
- 灾难消息分类器：一个多标签分类模型，可预测灾难消息的类别。包括用于数据处理的ETL管道，用于训练模型的ML管道以及具有可视化的Web应用程序，该模型可用于对消息进行分类。工具：NLTK，Scikit-Learn，Xgboost，Blask，Plotly
- 推文的3向情感分析：不使用NLTK的情感分析引擎的3向极性（正，负，中性）分类系统。
- 跨语言信息检索：跨语言信息检索系统（CLIR），鉴于德语查询，搜索用英语编写的文本文档。
工具：NLTK，Scikit
数据分析和可视化
- Python
  - 墨尔本的可扩展步行性分析：墨尔本，维多利亚州的郊区步行性及其含义。
  - 泰坦尼克号数据集 - 探索性分析：使用大熊猫和海洋型可视化的船上RMS乘客的探索性分析。
  - 技术股票的股票市场分析：对技术股票的分析，包括随着时间的推移价格变化，每日收益和股票行为预测。
  - 2016年美国大选民意调查数据分析：对2016年美国大选民意调查数据的非常简单的分析。
  - 911调用 - 探索性分析：托管在Kaggle上的911调用数据集的探索性数据分析。演示从不同变量中提取有用的特征。
工具：熊猫，叶，海洋和matplotlib
- r
  - 行为风险因素监视系统（BRFSS）2013：探索性数据分析：BRFSS-2013数据集的探索性分析，重点是研究一个人的教育与饮食习惯，睡眠和心理健康，吸烟，饮酒和一般健康的关系之间的关系。
  - 推论统计：男人或女性反对性教育吗？：使用GSS（一般社会调查）数据集推断，如果在2012年，在美国的男性是男性，在美国，在公立学校中反对性教育的可能性比女性更有可能。
  - 数据可视化：腐败与人类发展：“人类发展指数”与国家“腐败感知指数”之间关系的散点图。
  - Moneyball：分析和替换丢失的球员：2001年对棒球数据的探索，以查看2001年奥克兰A损失的主要球员的替代者。受本书/电影：Moneyball的启发。
微观项目：
- Python
  - ML具有逻辑回归：使用逻辑回归来预测Internet用户是否单击AD。
  - ML与K最近的邻居：使用KNN将伪造数据集分类为两个目标类，同时使用肘方法为K选择最佳值。
  - ML带有决策树和随机森林：使用决策树和随机森林来预测贷方是否会偿还贷款。使用LendingClub.com的公开数据
  - 使用推荐系统的电影建议：一个微型项目，旨在建立一个推荐系统，该系统根据用户评论相似性制作电影建议。
- r
  - ML逻辑回归：使用逻辑回归预测人的薪水类别。
  - ML决策树和随机森林：使用决策树和随机森林将学校归类为私人或公共。