通过多模型监督学习算法进行收入预测 寻找慈善捐助者 胡安·罗隆（Juan E.Rolon），2017年 项目概况 在此项目中，我采用了几种监督算法，以使用从1994年美国人口普查中收集的数据准确地预测个人收入。 我们执行各种测试过程，以从初步结果中选择最佳候选算法，然后进一步优化该算法以对数据进行最佳建模。 此实现的主要目标是构建一个模型，该模型可以准确地预测个人的收入是否超过50,000美元。 在非营利机构中，组织可以靠捐赠生存，这种任务可能会出现。 了解个人的收入可以帮助非营利组织更好地理解要请求的捐赠额，或者是否应该从一开始就伸出援手。 虽然直接从公共来源确定个人的一般收入等级可能很困难，但我们可以从其他公共可用功能中推断出此价值。 该项目是从Udacity获得机器学习工程师Nanodegree所需条件的一部分。 安装 此项目需要Python 2.7和已安装的以下Python

使用机器学习R和发光的心脏疾病预测 庄主：Soham Bakore 使用R和Shiny创建Web应用程序以使用机器学习预测心脏病 我们正在使用三种机器学习算法，分别是朴素贝叶斯（Naive Bayes），支持向量机（SVM）和决策树。 目前，在支持SVM的Shiny Web应用中实现了精度最高的算法。 用户的“登录和注册”模块正在进行中，将很快更新。

中风预测 中风相关健康数据分析。 具有对数据的统计探索和模型测试的功能

纽约出租车车费预测csv文件阉割版，只有前50w条数据New-York-City-Taxi-Fare-Prediction

深度视觉注意力预测 该存储库包含Keras实现的“深度视觉注意力预测”论文，该论文发表在IEEE Transactions on Image Processing

Medical_Cost_Prediction:该项目预测了医疗病人的保险费用

Stock Price Prediction.ipynb

电子版的书 针对NLP和ML结合的领域 MATH

出租车预测 ## MapReduce程序使用首尔市提供的出租车分析数据预测出租车需求 ###开发环境操作系统：ubuntu-14.04.1（64bit） 工具：VMware Player，Eclipse平台（Maven项目） 处理器：单核处理器 记忆体：4GB ###目标使用首尔开放数据广场（data.seoul.go.kr）提供的首尔出租车运营分析数据，查找一周中特定时间出租车需求量最高的前10个地区的标准节点链接ID。 。 ###标准节点链接ID -什么是节点？ 表示车辆在道路上行驶时发生速度变化的地方的地方 -什么是链接？ 现实世界中的道路，指的是连接节点和节点的线，即发生速度变化的点。 -可以使用标准节点链接ID找到位置信息 相关链接： : ＃＃＃参考 自己动手Hadoop编程/为Hangi /轻松发布欢呼 出租车运行分析应用指南.pdf ###数据集示例

学习者表现预测算法的简单而高效的实现： 设置 创建一个新的conda环境，安装和其余要求： conda create python==3.7 -n learner-performance-prediction conda activate learner-performance-prediction pip install -r requirements.txt conda install pytorch==1.2.0 torchvision==0.4.0 -c pytorch 该代码支持以下数据集： （assistments09） （assistments12） （assistments15） （assistments17） （bridge_algebra06） （algebra05） （西班牙语） （静电） 数据集 ＃个用户 ＃ 项目 ＃技能 ＃互动