泰坦尼克号幸存预测本次项目主要围绕Kaggle上的比赛题目: “给出泰坦尼克号上的乘客的信息, 预测乘客是否幸存” 进行数据分析。内容主要是通过jupter notebook，利用numpy，pandas，matplotlib三个库对乘客信息与幸存情况之间的研究。数据链接: https://pan.baidu.com/s/1gE4JvsgK5XV-G9dGpylcew提取码：y409目录1、项目背

梯度下降法求解线性回归通过梯度下降法求解简单的一元线性回归分别通过梯度下降算法和sklearn的线性回归模型（即基于最小二乘法）解决简单的一元线性回归实际案例，通过结果对比两个算法的优缺。通过最小二乘法解决一元线性回归可以参考下面文章https://blog.csdn.net/coffeetogether/article/details/118114217数据源：链接: https://pan.b

KNN算法解决鸢尾花分类案例本文分别通过KNN底层算法实现和sklearn中的KNeighbors Classifier（K近邻分类模拟）和对3中不同的鸢尾花的分类。一、K近邻（KNN）算法介绍二、KNN举例说明三、KNN举例计算四、KNN算法实现五、利用KNN算法实现鸢尾花分类案例案例背景说明：数据为sklearn自带的，数据集共有150条，其中数据data代表着鸢尾花的4个特征（花萼长度，花萼

Kaggle房价预测详解导入数据查看各项主要特征与房屋售价的关系查看中央空调与售价关系查看装修水平与房价关系查看建造日期与售价关系不同地段与房价关系查看地皮面积与房价关系查看地下室总面积与房价关系导入数据导入库# 导入需要的模块import pandas as pdimport matplotlib.pyplot as pltimport numpy as npimport seaborn as

SQL内、左、右连接之间的区别。通过实例对比，防止单纯的理解上存在的误区。