PySpark、R和Python的源代码项目。

简介：
数据科学项目涉及的技术包括：功能选择方面，采用了主成分分析（PCA）、Akiake信息标准（AIC）以及贝叶斯信息准则（BIC），同时利用最小绝对收缩和选择算子（LASSO）进行优化。具体的技术实现使用了Python语言的Sckit-learn、Tensorflow和R，以及PySpark和R作为数据处理工具。在模型方面，项目借鉴了随机森林、梯度提升、XGBoost、深度神经网络、自动编码器和贝叶斯方法的楷模。入院数据则使用了PySpark和R进行处理。 在分类任务中，项目采用了广义线性模型（GLM），包括岭回归（RIDGE）、Lasso回归和ELNET，此外还应用了随机森林、决策树、高斯朴素贝叶斯、支持向量机（线性SVC、POLY、RBF）以及逻辑回归。 随机森林也使用R语言实现。最后，项目还利用R语言对GLM进行了分类，包括岭回归和Lasso回归。 原始数据来源于以下两个来源：1. 2.