ML ProjectKart下载ML ProjectKart源代码下载

欢迎来到ML-Projectkart？

？存储库

这款卡丁车根据机器学习，深度学习，计算机视觉，自然语言处理以及所有内容展示了所有项目中最好的收藏。沉迷于开源旅程。

主要目的是提供一个高效且友好的项目，可以帮助您掌握ML/AI算法并使您熟悉。将自己带入专业人士，并通过所有能够掩盖您的动手。

？加入这里

任何与技术有关的人都希望为开放源代码做出贡献，都被邀请参加。这个地方都有为每个人的任务。

数据分析师- 解决问题。获取，探索并准备数据

机器学习，深度学习，计算机视觉，自然语言处理爱好者- 尝试不同的算法，构建模型，优化模型。

如果您曾经从事或想启动一个独特的项目并想与世界分享，则可以通过这里做到这一点。遵守贡献的贡献指南？‍

当您的末尾（或）从问题选项卡中提出问题以添加一个项目时，请尽可能多地详细介绍您将要执行的任务。

随后，还可以通过GITHUB文档来创建拉动请求。

浏览令人惊叹的项目的卡丁车

S.NO	项目名称	描述
01。	广告点击预测	该项目的目的是使用广告分类algortihms制作预测模型，该模型将根据用户信息预测所需的AD。
02。	广告成功预测	在此项目中，我们将使用广告数据集，指示是否单击广告。
03。	年龄，性别和种族预测	该项目的目标是能够通过查看一个人的形象来预测一个人的年龄，性别和种族。
04。	空气质量预测	该项目的目的是预测空气质量指数（AQI）形式作为颗粒物（PM2.5和PM10），氮氧化物（NO），一二氧化氮（NO2），一氧化碳（CO），二氧化碳（CO），二氧化硫（SO2），SO2），Ozone（O3），Ozone（O3）等
05。	Airbnb价格预测	该项目的目标是建立一个预测模型，该模型将使用不同的参数预测Airbnb酒店的价格。
06。	航空公司的客运	该项目的目的是对乘客满意度数据和数据预处理进行分析，以准备数据并预测乘客是否对航空公司服务满意。
07。	羊驼的识别	该项目的目的是使用深神经网络制作标识暨分类模型，该网络将从用户给定输入中识别羊驼的图像。
08。	亚马逊Alexa评论	该模型根据评分，变化和经过验证的评论等功能来预测Amazon Alexa用户的反馈。
09。	亚马逊书籍分析	关于书籍是使用Goodreads的小说还是非小说的预测。
10。	亚马逊数据分析	该项目的目的是根据数据集中给出的cuustomer的评论，文本和得分来预测客户的投票。
11。	亚马逊手机评论分析	这是用于分析客户评论不同产品的主要技术之一，并从评论中找到必要的见解。主要思想是对评论进行分类并确定客户对产品的满意程度。
12。	亚马逊产品评论分类	该项目的目的是建立一个分类模型，该模型将对Amazon Inc网站中的产品审查进行分类，以便可以帮助公司改善自己的改善，并且可以根据用户的经验来纠正他们的错误。
13。	美国手语（ASL）认可	该项目的目的是认识到该人试图使用不同的手势传达的内容。该数据集包含29个类，其中包括A到Z字母，Nothing，空间和删除手势。
14。	使我生气！	这是一个简单的OPENCV项目，将输入图像转换为卡通
15。	动漫推荐系统
16。	电器能量预测	该项目的目的是建立一个预测模型，该模型将根据给定数据集预测设备的融合消耗。
17。	自动论文分级	该项目的目的是建立一个预测模型，该模型将为学生写的论文提供评分。
18。	AVITO产品分析和价格预测	在Avito广告网站的产品数据集上执行探索性数据分析，并开发ML模型以预测网站中其他产品的价格。
19。	球图像分类	该项目的目的是建立一个深度学习模型，该模型将使用票据神经网络对不同类型的球的图像进行分类，这是Mobilenet架构的确切地说。
20。	孟加拉国超级联赛分析
21。	银行客户预测	预测因某些损失和其他问题而从银行提取帐户的客户。
22。	自行车崩溃分析	该项目的目的是根据各种因素分析数据集，并取决于预测模型的各种因素，该模型将预测易于景点。
23。	自行车租赁需求分析	该项目的目的是预测自行车租赁服务的需求。该项目预测客户要求需求的即将到来的性质。
24。	自行车共享预测	该项目的主要目标是在不同的季节，工作日，风雨等的情况下分析自行车份额的数量，并基于该培训模型，以预测在给定情况下的自行车用户数量。
25。	鸟类分类和识别	目的是用基本零件（例如输入管道，组成模型，数据增强等）来完成一个端到端的计算机视觉问题。
26。	比特币价格预测	该项目的主要目的是预测比特币的价格。
27。	黑色星期五销售 - 分析和预测	该项目的目的是分析和预测黑色星期五销售中的购买，从功能中，作为年龄段，性别，职业，产品类别等。
28。	棋盘游戏评论预测	该项目的目标是 - 最受欢迎的游戏类别是什么？我们可以使用可预测用户评级的可用数据构建模型？哪些因素是最好的“现代”棋盘游戏。
29。	体内脂肪预测	目的是预测一个人的体内脂肪百分比。
30。	书类型预测	该项目的目的是建立一个预测本书类型的预测模型。
31。	书籍推荐系统	该项目的目标是建立一个建议系统，该系统将根据用户的输入给出的搜索结果推荐一本书。
32。	脑肿瘤检测和分类	该模型通过处理患者的MRI扫描来检测脑肿瘤的存在。
33。	脑体重预测	该项目的目的是建立一个预测模型，该模型将根据头部大小来预测人脑的重量。
34。	巴西解雇预测	预测巴西国家发生的火灾数量。
35。	乳腺癌预测	目的是预测乳腺癌。
36。	校园安置预测	目的是预测学生是否根据自己的百分比和其他因素放置。
37。	校园招聘 - 分析和预测	该项目的目的是分析可以影响校园招聘的因素，并创建一个模型，该模型可以预测根据各种因素而被放置的机会。
38。	验证码解码	该项目的目的是创建一个深度学习模型，该模型将识别验证码字母。
39。	汽车品牌分类	该项目使用机器学习对汽车品牌进行了分类。
40。	汽车保险预测
41。	汽车价格预测	主要目标是预测具有可用自变量的汽车价格
42。	卡地亚珠宝分类	该项目的目的是制定分类模型，该模型将根据各种功能对珠宝进行分类。
43。	使用Kmeans的卡通化
44。	猫VS狗分类	该项目的目的是对狗还是猫的图像进行分类。
45。	宫颈癌风险预测	业务目标是建立一个机器学习预测模型，该模型可以预测活检测试的结果，从而确认患者的宫颈癌的存在/非表达。
46。	流失风险评分预测	该项目用于根据相关功能预测网站的流失分数
47。	使用MNIST和CIFAR10分类图像	精确地对图像进行分类和预测。
48。	咖啡生产预测	该项目的目标是建立一个预测模型，该模型将从1990 - 2018年开始提供咖啡的总产量。
49。	使用机器学习的颜色识别	该项目定义了我们要求看到的颜色，而不是显示颜色对象。
50。	具体强度预测	该项目的目的是从粉煤灰，爆炸炉炉灶，水，细骨料，粗骨料，水泥，年龄等的特征预测混凝土的强度。
51。	棉花疾病预测	该项目使用RESNET152V2模型的转移学习预测棉树疾病。
52。	covid19_data-Analysis	目的是预测个人在积极测试时可能需要哪种资源，甚至在此之前对当局有很大帮助，因为他们能够采购并安排挽救该患者寿命所需的资源。
53。	COVID-19数据分析	该项目的目的是使用数据可视化分析由于19号大流行引起的情况。
54。	信用卡欺诈检测	该项目的目的是使用机器学习模型预测欺诈性信用卡交易。
55。	作物肥料分析和预测
56。	作物推荐系统	该项目的目的是使用裁剪建议数据集构建推荐模型。
57。	作物产量预测	该数据集专注于不同的农作物，这些农作物可以反映出价格区域和其他属性，可以通过使用一些更好的属性来预测未来的价格产量。
58。	冷冻疗法分析	在这个项目中，我们将分析冷冻疗法数据集，并将部署多种机器学习算法模型。
59。	客户收入细分分析
60。	客户建模分析
61。	客户区域分类	目标是使用随机森林分类器模型预测客户区域。
62。	DNA测序分类	在这个项目中，我们将了解如何解释DNA结构以及如何使用机器学习算法来构建DNA序列数据上的预测模型。
63。	舞蹈表格分类	该项目的目标是对各种舞蹈形式的图像进行分类，并使用深度学习方法准备分类模型。
64。	蒲公英识别	该项目的目标是创建分类模型，该模型将识别来自模型的图像的蒲公英。
65。	气象数据的数据分析	它分析了2006年至2016年在芬兰的最后10年的气象天气数据，以检查全球变暖的增加。
66。	DEEPQ网络
67。	在视频中检测运动和移动对象
68。	糖尿病预测	目的是预测一个人是否患有糖尿病使用逻辑回归和SVM模型。
69。	钻石价格预测	目标是预测钻石的价格。
70。	疾病症状预测	该项目的目的是使用本数据集中包含的信息来预测疾病的症状。
71。	迪士尼乐园评论分析	该项目的目的是使用NLP分析来自世界不同国家的访客的评论。
72。	狗品种识别	该项目是关于预测狗的品种，这对非专家的人有帮助。
73。	Dogecoin价格预测	该项目的目的是建立一个预测模型，该模型将根据以前的参数预测未来的狗狗币的价格。
74。	驾驶员嗜睡检测系统	该项目的主要目的是如果驾驶员入睡，以避免与嗜睡相关的道路赛车。
75。	干豆分类	目标是预测干豆。
76。	电子邮件分类	该项目根据消息将电子邮件分类为垃圾邮件或不垃圾邮件。
77。	使用OpenCV的表情符号分类	该项目的目的是制作一个模型，该模型将预测使用输入图像所显示的情绪。而且它将对给定图像中显示的特定情感进行分类。
78。	情绪分类	该项目的目的是创建一个模型，该模型将根据数据集中提供的文本对不同的情绪进行分类。
79。	使用NLP识别情绪	通过发送文本输入来确定数据是正，负还是中性的，它使用NLP技术使用NLP技术。
80。	员工保留预测	该项目围绕该想法进行围绕，以提供基本的建模技术，以分类员工是否会根据数据集中的某些功能离开公司。
81。	英语字母分类	该项目的目的是识别英语Apphabets的计算机化生成的图像。该数据集包含26个类，其中包含A到Z字母，每个类包含100张图像。
82。	出口分类	该项目的目的是使用回归算法构建分类模型，例如线性回归，随机森林回归，决策树回归和更多算法。
83。	面部聚类
84。	脸检测和模糊
85。	使用DCGAN面对面	该项目的主要目标是获得一个发电机网络，以生成新的面孔图像，这些图像使用面部数据集中的DCGAN看起来尽可能逼真。
86。	使用OpenCV面罩检测	这是一个面罩检测项目，它使用Haar Cascades和Caffe框架方法进行面部检测和一个填充的Mobilenetv2模型来检测面部的面具，以实时视频流作为输入。
83。	使用深度学习面对验证
84。	使用PCA的面部检测	使用主成分分析（PCA）实施面部检测，以降低大数据集的维度。
85。	使用机器学习的面部表情识别
86。	假货币预测	目的是预测给定的音符是否是假的，是否使用机器学习模型。
87。	假新闻检测	该项目的目的是使用不同的文本提取NLP技术来检测新闻是真实的还是假的。
88。	虚假工作发布预测	该项目的目的是预测JOD员工是否有虚假工作还是真实。
89。	时尚MNIST分类	将各种衣物分组分组
90。	鱼重预测	该项目的主要目标是使用线性回归模型预测任何鱼的重量。
91。	飞行延迟预测	该项目的主要目的是使用机器学习模型预测航班中的未来延误。
92。	飞行票价预测	该项目的目的是预测使用机器学习模型涵盖不同路线的不同航空公司的票价。
93。	洪水预测
94。	鲜花识别	该项目的目的是从用户上传的图像中识别花名。
95。	足球比赛预测	该项目的目的是根据预测模型来预测比赛冠军。
96。	足球队评级预测	目标是预测足球队的评分。
97。	森林覆盖类型分类	该项目使用随机森林分类模型将森林覆盖类型分类的主要目标。
98	森林火灾预测	预测森林大火中燃烧的区域。
99	脆弱价格预测	预测脆弱的价格。
100。	新鲜的工资预测	该项目的主要目标是根据学科，学位，百分比等来预测新生学生的薪水。
101。	油耗分析	该项目的目的是根据气体类型预测消费。它可用于确定天气，速度或气体类型对汽车消耗的影响。
102。	获得了情节IMDB评级预测	该项目的目的是创建一个预测模型，该模型将根据GOT的观点和季节来预测《权力的游戏》系列剧集的IMDB评分。
103。	使用DL的性别分类	性别分类旨在基于区分男性气质和女性气质的特征来认识一个人的性别。
104。	德国交通标志分类	目的是自动对流量标志进行分类。
105。	玻璃分类	该项目的目的是使用每类玻璃中存在的矿物百分比对玻璃类型进行分类。
106。	黄金价格预测	该项目的目的是使用不同的EDA技术进行分析金价，并最终训练不同的模型以预测黄金的价格。
107。	研究生入学预测	从印度的角度来预测研究生的入学。
108。	枪检测
109。	手写数字识别	该项目的主要目的是识别人类的手写数字。
110。	心脏病发作分析	这项练习的目的是确定影响心脏病发作的参数并为心脏病发作的预测建立ML模型。
111。	心脏病预测	该项目可以根据年龄，胆固醇水平，血糖水平等的特征来预测心脏病。
112。	高度和权重预测	该项目的目的是使用回归算法构建预测模型，以预测身高和体重。
113。	蜜蜂花粉检测	该项目的目的是对蜜蜂的图像进行分类，以检测它们是否携带花粉颗粒。
114。	马或人类分类	该项目的目的是创建一个模型，能够对马和人类进行分类。
115。	酒店预订预测	目的是预测预订的可能性，无论预订是否成功。
116。	酒店评级预测	该项目的目的是使用九个机器学习模型为酒店评级预测建立模型。
117。	房价预测	该项目可以在基本特征的帮助下预测位于美国城市的房屋价格。
118。	使用智能手机识别人类活动	该项目的目的是建立一个模型，以使用多个智能手机传感器录制的数据来预测人类活动，例如Walking_upstairs，Walking_downsairs，坐着，站立或铺设。
119。	IMDB情感分析	该项目的主要目的是预测IMDB电影评论的观点。
120。	IPL得分预测	该项目的目的是预测IPL比赛中一局的得分。
121。	IPL赢家预测	该项目的目的是对IPL数据进行分析并预测IPL匹配的获胜者。
122。	虹膜花分类	该项目是将花在三种不同类型的三种类型中分类。
123。	冰淇淋收入预测	这是一个冰淇淋收入预测，可预测冰淇淋的每日收入，具体取决于温度特征。
124。	使用集群的图像压缩	该项目有助于使用K-均值聚类来压缩图像。
125。	成像网分类	Imagenet是根据WordNet层次结构（目前仅是名词）组织的图像数据库，其中层次结构的每个节点都被数千张图像描绘。
126。	收入预测网络应用	该项目的主要目标是根据给定的有关人的主持人信息，找出一个人的收入超过5万美元（> 50k）和小于或等于50k美元（<= 50k）。
127。	保险索赔预测	该项目的目的是将保险索赔分为0或1（如果保单持有人会索取保险）的特征，年龄，儿童数量，BMI，住宅区等。
128。	肾结石预测	该项目的目的是创建一个预测模型，该模型将根据石头的大小和处理类型来预测肾结石操作的成功率。
129。	乐高的缩影	该项目包含不同姿势中各种乐高缩影的许多图片的数据集或用于图像分类任务的不同环境的数据集。
130。	笔记本电脑价格预测	该项目的目的是建立一个预测模型，该模型将根据各种因素（例如大小，公司，设置等）预测笔记本电脑的价格！
131。	车牌检测和认可	该项目是为了检测和识别车辆的车牌。
132。	贷款资格预测	该项目的主要目标是预测客户从公司获得贷款的资格
133。	MBA专业分类	该项目的目的是找出MBA学生，他们将根据使用分类算法的过去活动在MBA职业中获得良好的成绩。
134。	疟疾疾病检测	该项目的目的是认识到人细胞的形象是否感染了疟疾疾病。
135。	男性和女性眼睛分类	该项目的目的是创建一个分类模型，该模型将根据数据集中给出的眼睛图像对性别进行分类。为此，我们将使用卷积神经网络的不同体系结构。
136。	购物中心客户细分	该模型将根据参数细分客户。
137。	马拉松时间预测	该项目的目的是使用数据集中的给定详细信息来预测马拉松的时间。
138。	大理石表面异常检测	该项目的目的是建立一个检测模型，该模型将检测出存在的大理石类型。
139。	吸烟者和非吸烟者的医疗费用分析	该项目包括一个事实，即吸烟者和非吸烟者可以更改普通药品费用。
140。	MEMPOOL预测	详细预测MEMEPOOL。
141。	移动价格范围分类	在这个项目中，我们不必预测实际价格，而是一个指示价格高的价格范围。
142。	电影奥斯卡赢得预测	该项目的目标是建立一个预测模型，该模型将预测获得奥斯卡奖的机会。
143。	电影推荐系统	该项目将帮助人们推荐电影，并提供电影名称。
144。	蘑菇分类	该项目全部旨在部署分类算法和比较模型。
145。	音乐流派分类	该项目的目的是创建一个模型，该模型将根据选定的歌曲对所有10种流派进行分类。可以从数据集或任何其他源中选择歌曲。歌曲格式必须以.WAV格式和30秒钟的持续时间进行分类。
146。	NASA小行星分类	该项目有助于对NASA小行星进行分类，并检查负责声称小行星是否有害的功能。
147。	NBA分析和预测	预测NBA球员在2013-2014赛季得分的得分数量。
148。	自然图像分类	该项目的目的是使用神经网络和深度学习来建立自然图像的分类模型。
149。	Netflix EDA和推荐系统	该项目旨在从详细的EDA中获得见解，并建议下一步观看哪部电影。
150。	使用OpenCV检测对象检测	了解计算机视觉库（例如OpenCV），并使用预审预定的重量的深度学习模型检测到各种对象。
151。	奥林匹克奖牌预测	该项目的目标是建立一个预测模型，该模型将预测运动员是否会赢得奖牌。
152。	器官捐赠者的预测	该项目的目的是使用本数据集中包含的信息来预测捐助者。
153。	巴黎住房分类	目的是预测巴黎住房。
154。	帕金森氏病预测	该项目有助于找到帕金森氏病的原因，并被预测患有这种疾病。
155。	密码强度分类器	该项目的目的是对数据集中给出的密码进行分类和预测。
156。	波斯车牌字符标识	该项目的目的是建立一个检测模型，该模型将检测波斯数字板的不同字符。
157。	网络钓鱼网站检测	该项目的目的是建立一个检测模型，该模型将使用机器学习算法根据各种因素来检测网站。
158。	植物疾病预测	该项目的目标是通过查看所提供的图像来确定植物的状况。
159。	植物幼苗分类	该项目的目的是建立植物幼苗分类模型。这里使用的架构是Resnet，Alexnet，VGG，Inception，Mobilenet，Squeezenet，Densenet部署分类模型。
160。	预测未来的销售	预测未来的销售。
161。	私人公司的预测	预测私人有限公司的数量。
162。	生产力预测	在服装行业的决策者中，非常需要跟踪，分析和预测工厂工作团队的生产力绩效。
163。	铁路轨道故障检测	预测铁路轨道故障。
164。	雨预测	Raintomorrow是基于某些给定特征的目标变量。
165。	REDDIT推文预测	详细预测不同的Reddit推文。
166。	餐厅推荐系统	该项目的目标是建立一个推荐系统，该系统将推荐用户成为他们想要的最佳餐厅。
167。	简历分类	该项目的目的是建立使用八个机器学习模型进行简历分类的模型
168。	道路车道检测	该项目是道路车道检测的模型，该模型将从将是用户的图像中检测出路车道。
169。	工资预测	该项目的目的是根据某些参数预测工资。
170。	工资范围分类	该项目的目的是将薪资范围从公司，工作，学位等进行分类。
171。	讽刺检测	该项目的目的是使用分类算法从新闻头条数据集中检测讽刺，并比较算法以找出哪个更好。
172。	肩部X射线分类	该项目的目的是创建一个分类模型，该模型将对肩X射线的不同图像进行分类，并预测或检测图像的类型！
173。	手语预测	手语预测项目有助于从提供的图像中识别手语。
174。	Snapchat过滤器	我们将借助一些python编程语言在某些库的帮助下构建自己的Snapchat过滤器。
175。	Snapchat女巫过滤器
176。	社会距离探测器
177。	社交网络影响者预测	挑战的目的是训练机器学习模型，对于一对个人而言，它可以预测人类对谁具有更高准确性更具影响力的判断。
178。	土壤水分预测	该项目的目的是预测土壤中存在的水分。
179。	日食分类	该项目的目的是对太阳能的主要类型进行分类，即：p =部分食物，a =环形食物，t =总食食，h =杂交或环形/整个日食。
180。	太阳辐射预测	目的是预测太阳的辐射。
181。	歌曲类型分类	该项目的目的是使用Spotify数据集构建歌曲类型分类模型。
182。	垃圾邮件电子邮件检测	该项目预测收到的消息是垃圾邮件还是火腿。
183。	言语情感识别	目的是在说话时预测人的情感。
184。	堆栈溢出问题质量评级预测	该项目的监狱是建立一个预测模型，该模型将根据各种因素来预测堆栈溢出网站中问题的质量。
185。	恒星辐射分析和庇护	该项目的目的是分析和预测恒星辐射并从相同的情况下执行详细的可视化。
186。	星星，星系和类星体分类	该项目的目的是根据恒星，星系和类星体收集的数据制作完美的分类模型。
187。	启动利润预测	目标是预测初创企业的利润。该数据集包含大约50家初创企业的数据。它有5列：“研发支出”，“管理”，“营销支出”，“州”，“利润”。
188。	股票价格预测	目的是预测将来的股票价格，并根据算法提供的结果拨打电话。
189。	股票和加密研究分析
190。	压力水平预测	该项目的目的是从调查响应中获得的功能预测压力水平。
191。	中风预测	该项目的目的是预测一个人的中风率。
192。	学生表现预测	该项目的目的是从学习时间，失败，空闲时间，健康状况，外出，第一期成绩，第二阶段等级等方面预测学生的最终成绩。
193。	超市销售预测	预测超市销售。
194。	恐怖袭击预测	使用回归模态对给定数据集的分析和恐怖袭击的预测。
195。	测试分数预测	项目的目的是构建机器学习算法以预测学生的分数。
196。	俄罗斯方块对象计数器	该项目的目的是识别给定的俄罗斯方块输入图像中的所有俄罗斯四角对象（四键）并返回计数。可以看出，在游戏玩法中，俄罗斯方块块被打破了，该程序也应该能够识别此类块。
197。	文本分类
198。	文本摘要	该项目的目的是创建一个模型，该模型将总结用户提供的文章。
199。	泰坦尼克号生存预测	使用机器学习来创建一个模型，以预测哪些乘客在泰坦尼克号的沉船残骸中幸存下来。
197。	东京奥运会可视化数据分析
198。	交通标志分类	该项目的目的是使人类可读的交通标志分类。
199。	抽水机分析	目的是进行分析并预测每个流获得的追随者。
200。	Twitter情感分析	该项目有助于使用Twitter上发布的文本数据来分析情感，以通过将语句归类为正，负或中性。
201	美国天气历史可视化	目的是分析美国天气历史记录的12个月数据并通过图表显示结论并显示它们。
202。	美国房屋定价预测	该项目的目的是建立一个预测模型，该模型将根据给定的功能预测美国房屋的价格。
203。	Uber票价预测	该项目有助于预测为Uber旅行人员收取费用。
204。	车辆图像分类	该项目的目的是对车辆形象进行分类。
205。	使用OpenCV的车辆和行人跟踪
206。	语音性别识别
207。	沃尔玛销售预测	该项目的主要目的是预测沃尔玛的未来销售。
208。	废物分类	该项目的目的是认识废物的形象是有机废物还是可回收废物
209。	水质预测	该项目表明水是否可以安全地用于人类消费，其中1表示饮用水，0表示不可饮用。
210。	网页网络钓鱼检测	许多人被此网页网络钓鱼技术骗了。检测他们可以挽救人们不被骗取。 Hackers usually blackmail the people to get their personal information back. Identifying this techniques can save millions.
211。	Wine Quality Prediction	This model predicts the quality of wine based on some features like pH, fixed acidity, citric acid etc. using SVM and Random forest algorithm.
212。	World Happiness Report Analysis	The aim of the project is to predict happiness scores and rankings and perform a detailed analysis and visualization of the training dataset and create a model.
213。	World Population By Year Analysis
214。	World Poverty Analysis	The goal of this project is to analyze the world poverty using dataset.
215。	Yotube Video Recommendation System	The model will recommend the video titles on proving the search query by user.
216。	Zomato Banglore Resturants Recommendation	The aim of this project is analyse a dataset and recomend the user for top restaurants in bangalore.
217。	Zoo Animal Classification	The goal of this project is to predict the zoo animal based on some classifications using machine learning model.
218。	Body Parts Classification
219。	Discussion Forum Prediction
220。	Mortality Rate Analysis & Prediction
221。	命名实体识别
222。	Ramen Noodles Rating Analysis
223.	News Articles Classification
224。	Prediction of Subject based on Question (NLP)
225。	Salt Deposits Identification & Prediction

项目结构

Your projects should contain this flow to maintain similarity across all other projects. Make sure to note these things, before you create a PR.

Dataset - This folder would have a .csv file.

Model - This folder would have your project file (that is .ipynb file) be it analysis or prediction. Other than project file, it should also have a 'README.md' using this template and 'requirements.txt' file which would be enclosed with all needed add-ons and libraries that are included in the project. (.Pkl file if available)

Images/Screenshots - This folder would have images added if applicable.

工作流：

分叉存储库
Clone your forked repository using terminal or gitbash.
Make changes to the cloned repository
Add, Commit and Push
Then in Github, in your cloned repository find the option to make a pull request

print("Start contributing for ML-ProjectKart")

？ Templates to Follow

Feature request
错误报告
拉请求
读书我

Note : One should follow these templates while creating a new issue or pull request.

值得注意的事情

Make sure you do not copy codes from external sources because that work will not be considered. Plagiarism is strictly not allowed.
You can only work on issues that have been assigned to you.
If you want to contribute the algorithm, it's preferrable that you create a new issue before making a PR and link your PR to that issue.
If you have modified/added code work, make sure the code compiles before submitting.
Strictly use snake_case (underscore_separated) in your file_name and push it in correct folder.
Do not update the README.md.