https://github.com/avtorgenii/cocktails-analysis
Preprocession, augmentation, EDA and clustering of cocktails dataset from TheCocktailDB. Recruiting task for SolVro science club.
https://github.com/avtorgenii/cocktails-analysis
matplotlib pandas scikit-learn
Last synced: about 2 months ago
JSON representation
Preprocession, augmentation, EDA and clustering of cocktails dataset from TheCocktailDB. Recruiting task for SolVro science club.
- Host: GitHub
- URL: https://github.com/avtorgenii/cocktails-analysis
- Owner: avtorgenii
- Created: 2024-10-07T09:51:34.000Z (over 1 year ago)
- Default Branch: master
- Last Pushed: 2025-01-06T16:43:04.000Z (over 1 year ago)
- Last Synced: 2025-02-07T21:36:21.948Z (over 1 year ago)
- Topics: matplotlib, pandas, scikit-learn
- Language: Jupyter Notebook
- Homepage:
- Size: 11.8 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Cocktails analysis
## Podsumowanie analizy
Jest umieszczone w ```cocktails_analysis.pdf``` - plik został opracowany za pomocą LaTeX.
## Powtórzenie eksperymentów
Dla powtórzenia eksperymentów stworzyłem pliki ```.py``` które są umieszczone w root folderze repositoria, są oni wykorzystae w ```cocktails_clean.ipynb``` gdize owszem można poeksperementować ze wszystkim, i równocześnie zejrzeć w zawartość pomocniczych plików ```.py```.
Jeżeli jest chęć zanurkować w przebieg preprocessingu, augmentacji, analizy i klasteringu, można zejrzeć w ```cocktails_draft.ipynb``` który leży w folderze ```Source```, z którego później zostali wyekstraktowane pliki ```.py``` i utworzony ```cocktails_clean.ipynb```
## Tworzenie conda environment
Jeżeli chcesz powtórzyć eksperymenty lokalnie:
```conda create --name --file requirements.txt``` - aby utworzyć conda env dla uruchomienia ```cocktails_clean.ipynb``` lub ```cocktails_draft.ipynb``` (zakomentować ```!pip install pulp```, biblioteka była instalowana podczas pracy w colab).