在线挑战

在 HackerRank 和 Kaggle 上提交的挑战。

算法挑战使用 Python 在 HackerRank 上完成。

数据科学和机器学习挑战同样使用 Python 在 Kaggle 上完成。

Kaggle 自行车共享

本挑战的目标是仅基于上下文特征构建一个预测自行车共享数量的模型。挑战的第一部分旨在理解、分析和处理数据集，我希望通过图表生成有意义的信息。第二部分则是构建模型，并利用机器学习库进行预测。

-->法语说明 PDF

Twitter 数据解析

我最近发现了 Chris Albon 的机器学习抽认卡，想下载这些卡片，但 Twitter 官方 API 对旧于两周的推文有限制，因此我必须找到一种绕过此限制的方法：使用 Selenium 和 PhantomJS。
该项目的目的：每两小时检查一次，看是否发布了新的抽认卡。如果有新内容，则下载并发送一封摘要邮件给我。

人脸识别

结合深度学习和 HOG 算法的现代人脸识别技术。通过 dlib C++ 库，我开发了一个快速的人脸识别工具，仅需少量图片（每人 20 张）即可实现。

玩转足球数据

作为一名足球迷和数据爱好者，我想尝试用足球数据进行玩耍和分析。
目前还不确定这个项目的具体目标，但我将从多个网站抓取不同球队和球员的数据。

纽约市出租车行程

Kaggle 上的一个练习项目，用于预测纽约市出租车行程的总时长。

Kaggle 从太空理解亚马逊

利用卫星数据追踪人类活动对亚马逊雨林的影响。
使用 Keras 构建深度学习模型来标注卫星图像。

预测 IMDB 电影评分

该项目受到 Chuan Sun 工作 的启发。
我们如何判断一部电影的好坏？
网络爬虫与机器学习相结合。

Data-Science-Projects 快速上手指南

本项目集合了多个基于 Python 的数据科学与机器学习挑战案例，涵盖 HackerRank 算法题及 Kaggle 数据竞赛项目（如共享单车预测、亚马逊卫星图像分类、IMDB 电影评分预测等）。

环境准备

• 操作系统：Linux, macOS 或 Windows
• Python 版本：建议 Python 3.6+
• 前置依赖：
  • pip (Python 包管理工具)
  • git (版本控制工具)
  • 部分项目可能需要特定的系统库（如 dlib 需要 C++ 编译器，Selenium 需要浏览器驱动）

安装步骤

1. 克隆仓库

   git clone https://github.com/alexattia/Data-Science-Projects.git
   cd Data-Science-Projects
   

2. 配置国内镜像源（推荐） 为加速依赖包下载，建议配置 pip 使用清华或阿里云镜像。例如临时使用清华源安装依赖：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   (注：若根目录无统一的 requirements.txt，请进入具体子项目目录执行该命令)

3. 安装特定项目依赖 由于各项目依赖不同，请进入具体项目文件夹安装。以 Kaggle 共享单车项目为例：

   cd KaggleBikeSharing
   pip install pandas numpy scikit-learn matplotlib seaborn -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   对于涉及深度学习的项目（如 Amazon 卫星图像）：

   cd KaggleAmazon
   pip install keras tensorflow pillow -i https://pypi.tuna.tsinghua.edu.cn/simple
   

基本使用

本项目由多个独立的子模块组成，请根据兴趣选择对应目录运行。以下是两个典型示例：

示例 1：Kaggle 共享单车需求预测 (KaggleBikeSharing)

该模块包含数据探索性分析（EDA）和机器学习模型构建。

1. 进入目录：

   cd KaggleBikeSharing
   

2. 运行 Jupyter Notebook 查看分析与建模过程：

   jupyter notebook
   

3. 在浏览器中打开 .ipynb 文件，依次执行单元格即可重现数据分析图表及预测模型。

示例 2：亚马逊卫星图像分类 (KaggleAmazon)

该模块使用 Keras 构建深度学习模型对卫星图像进行多标签分类。

1. 进入目录：

   cd KaggleAmazon
   

2. 确保已下载数据集并放置在指定目录（通常需参考 Kaggle 竞赛页面下载数据）。
3. 运行训练脚本（假设主脚本为 train.py，具体文件名请以实际仓库为准）：

   python train.py
   

其他项目说明

• TwitterParsing: 需安装 Selenium 和 PhantomJS/ChromeDriver，用于绕过 API 限制抓取推文。
• FaceRecognition: 依赖 dlib 库，需确保系统已安装 CMake 和 Boost 库以编译 dlib。
• NYC Taxi Trips / KaggleSoccer / KaggleMovieRating: 主要为数据清洗与特征工程笔记，建议在 Jupyter Notebook 环境中交互式运行代码以理解数据处理流程。