NITISH_SWAMI PORTFOLIO:数据科学组合 源码

使用maxpooling,卷积,丢包和平坦层创建的CNN模型 达到99.7%的准确度 可视化损失和准确性 过滤器和卷积层的热图可视化 使用熊猫导入数据 数据框特征 子集数据框 条件子集 数据清理 数据探索:通过散点图,直方图,条形图探索数据 创建一个交互式可搜索的小部件 进行数据探索和可视化 使用RNN和LSTM制作模型 创建训练和测试数据集 使用回归优化训练数据 导入了500名学生的数据 二手熊猫,sklearn,numpy和matplolib库 探索了GRE和TOEFL分数等各种因素与大学等级之间的关系 优化线性和随机森林回归量以适应最佳模型 使用回归分析(线性和RandomForest)确定最有影响力的参数 与大熊猫合作进行初步分析 通过删除异常值和不正确的数据进行数据清理 使用seaborn和matplotlib库进行可视化 利用Sklearn和KMeans对数据集进行聚类 计算的