+Copyright (c) 2016 - 2019 + +--- + +**Level:** Intermediate
+**Recommended Use:** Regression Models
+**Domain:** Civil Engineering/Construction
+ +## Concrete Compressive Strength Data Set + +### Estimate compressive strength of concrete + + +--- +![](123.jpg) +--- + +This *intermediate* level data set has 1030 rows and 9 columns. +Concrete is the most important material in civil engineering. The concrete compressive strength is a highly nonlinear function of age and ingredients +The actual concrete compressive strength (MPa) for a given mixture under a specific age (days) was determined from laboratory. Data is in raw form (not scaled). + +This data set is recommended for learning and practicing your skills in **exploratory data analysis**, **data visualization**, and **regression modelling techniques**. +It also allows you to practice with non-linear functions. Feel free to explore the data set with multiple **supervised** and **unsupervised** learning techniques. The Following data dictionary gives more details on this data set: + +--- + +### Data Dictionary + +| Column Position | Atrribute Name | Definition | Data Type | Example | % Null Ratios | +|------------------- |-------------------------------------------------------- |------------------------------------------------------------------------------- |-------------- |-------------------------------------- |--------------- | +| 1 | Cement (component 1)(kg in a m^3 mixture) | Cement (component 1) -- Kilogram in a meter-cube mixture -- Input Variable | Quantitative | 194.68, 379.5, 167.95 | 0 | +| 2 | Blast Furnace Slag (component 2)(kg in a m^3 mixture) | Blast Furnace Slag (component 2) -- kg in a m3 mixture -- Input Variable | Quantitative | 0, 151.2, 42.08 | 0 | +| 3 | Fly Ash (component 3)(kg in a m^3 mixture) | Fly Ash (component 3) -- kg in a m3 mixture -- Input Variable | Quantitative | 100.52, 0, 163.83 | 0 | +| 4 | Water (component 4)(kg in a m^3 mixture) | Water (component 4) -- kg in a m3 mixture -- Input Variable | Quantitative | 165.62, 153.9, 121.75 | 0 | +| 5 | Superplasticizer (component 5)(kg in a m^3 mixture) | Superplasticizer (component 5) -- kg in a m3 mixture -- Input Variable | Quantitative | 7.48, 15.9, 5.72 | 0 | +| 6 | Coarse Aggregate (component 6)(kg in a m^3 mixture) | Coarse Aggregate (component 6) -- kg in a m3 mixture -- Input Variable | Quantitative | 1006.4, 1134.3, 1058.7 | 0 | +| 7 | Fine Aggregate (component 7)(kg in a m^3 mixture) | Fine Aggregate (component 7) -- kg in a m3 mixture -- Input Variable | Quantitative | 905.9, 605, 780.11 | 0 | +| 8 | Age (day) | Age -- Day (1-365) -- Input Variable | Quantitative | 56, 91, 28 | 0 | +| 9 | Concrete compressive strength(MPa, megapascals) | Concrete compressive strength -- MegaPascals -- Output Variable | Quantitative | 33.96358776, 56.49566344, 32.8535314 | 0 | + +--- + +### Acknowledgement + +This data set has been sourced from the Machine Learning Repository of University of California, Irvine [Concrete Compressive Strength Data Set (UC Irvine)](https://archive.ics.uci.edu/ml/datasets/Concrete+Compressive+Strength). +The UCI page mentions the following publication as the original source of the data set: + +*I-Cheng Yeh, "Modeling of strength of high performance concrete using artificial neural networks," Cement and Concrete Research, Vol. 28, No. 12, pp. 1797-1808 (1998)* + diff --git a/Daily Demand Forecasting Orders/.gitkeep b/Daily Demand Forecasting Orders/.gitkeep new file mode 100644 index 0000000..e69de29 --- /dev/null +++ b/Daily Demand Forecasting Orders/.gitkeep diff --git a/Daily Demand Forecasting Orders/294036-P6YS7U-202.jpg b/Daily Demand Forecasting Orders/294036-P6YS7U-202.jpg new file mode 100644 index 0000000..80a7317 Binary files /dev/null and b/Daily Demand Forecasting Orders/294036-P6YS7U-202.jpg differ diff --git a/Daily Demand Forecasting Orders/Daily_Demand_Forecasting_Orders.csv b/Daily Demand Forecasting Orders/Daily_Demand_Forecasting_Orders.csv new file mode 100644 index 0000000..b3af789 --- /dev/null +++ b/Daily Demand Forecasting Orders/Daily_Demand_Forecasting_Orders.csv @@ -0,0 +1,61 @@ +Week of the month (first week, second, third, fourth or fifth week;Day of the week (Monday to Friday);Non-urgent order;Urgent order;Order type A;Order type B;Order type C;Fiscal sector orders;Orders from the traffic controller sector;Banking orders (1);Banking orders (2);Banking orders (3);Target (Total orders) +1;4;316.307;223.270;61.543;175.586;302.448;0;65556;44914;188411;14793;539.577 +1;5;128.633;96.042;38.058;56.037;130.580;0;40419;21399;89461;7679;224.675 +1;6;43.651;84.375;21.826;25.125;82.461;1.386;11992;3452;21305;14947;129.412 +2;2;171.297;127.667;41.542;113.294;162.284;18.156;49971;33703;69054;18423;317.120 +2;3;90.532;113.526;37.679;56.618;116.220;6.459;48534;19646;16411;20257;210.517 +2;4;110.925;96.360;30.792;50.704;125.868;79;52042;8773;47522;24966;207.364 +2;5;144.124;118.919;43.304;66.371;153.368;0;46573;33597;48269;20973;263.043 +2;6;119.379;113.870;38.584;85.961;124.413;15.709;35033;26278;56665;18502;248.958 +3;2;218.856;124.381;33.973;148.274;162.044;1.054;66612;19461;103376;10458;344.291 +3;3;146.518;101.045;36.399;43.306;168.723;865;58224;7742;82395;11948;248.428 +3;4;178.433;102.793;45.706;111.036;124.678;194;47046;17299;108719;15560;281.420 +3;5;145.865;91.180;43.851;66.277;133.440;6.523;66910;17768;36693;29046;243.568 +3;6;170.566;114.412;43.339;136.434;128.405;23.200;32529;34002;78153;31949;308.178 +4;2;220.343;141.406;46.241;120.865;196.296;1.653;34878;32905;117137;29188;363.402 +4;3;193.768;141.854;56.519;136.709;143.644;1.250;57858;23956;101048;30134;336.872 +4;4;122.736;124.256;56.167;78.101;112.724;0;52321;10046;62799;24233;246.992 +4;5;144.051;158.408;51.660;92.272;164.948;6.421;47167;6440;91784;15973;308.880 +4;6;105.415;108.688;47.717;71.474;113.935;19.023;42737;26020;27873;17600;233.126 +5;2;240.660;163.720;59.135;157.681;187.564;0;39273;32917;155617;9203;404.380 +1;3;131.067;166.649;90.476;80.509;127.575;844;60543;19141;78378;73839;298.560 +1;4;130.129;98.927;42.904;43.962;142.383;193;54760;9163;29874;46992;229.249 +1;5;123.286;103.551;47.331;72.444;116.529;9.467;48732;21196;47793;47574;236.304 +1;6;190.816;87.629;32.077;127.358;137.739;18.729;46368;36798;92701;31098;297.174 +2;2;266.741;141.437;58.721;139.034;211.646;1.223;58081;43333;135314;29716;409.401 +2;3;123.143;106.083;36.017;75.813;119.205;1.809;45340;22109;55584;29803;231.035 +2;4;148.139;85.310;35.576;79.997;123.253;5.377;59686;14188;67617;32319;238.826 +2;5;118.552;100.417;54.401;75.613;105.584;16.629;40423;24682;47563;35314;235.598 +2;6;146.959;95.153;37.656;59.907;144.549;0;50908;45733;43930;28998;242.112 +3;2;299.770;133.375;57.810;236.248;196.732;57.645;71772;57756;159373;29160;490.790 +3;3;151.341;131.788;43.359;89.382;156.916;6.528;53573;42638;62732;32386;289.657 +3;4;206.206;92.160;45.555;148.718;104.186;93;49110;36904;126632;33237;298.459 +3;5;170.868;131.463;45.550;120.548;157.505;21.272;42534;79556;50433;36483;323.603 +4;3;435.304;181.149;67.884;267.342;281.227;0;64867;210508;177229;30514;616.453 +4;4;235.106;110.874;70.376;154.242;121.417;55;23257;163452;63699;33805;346.035 +4;5;168.179;125.119;71.068;100.544;136.033;14.347;28072;95989;50763;55445;307.645 +4;6;172.783;77.371;64.137;109.062;80.648;3.693;46321;66498;61593;31625;253.847 +5;2;381.768;140.041;118.178;260.632;152.134;9.135;34236;194216;136035;47601;530.944 +5;3;221.438;111.392;51.199;124.660;157.500;529;39964;136119;66745;31031;333.359 +5;4;193.957;111.859;47.002;99.892;159.462;540;59179;94460;54772;34616;306.356 +1;6;275.076;121.697;109.888;131.165;175.777;20.057;37906;138536;85378;14020;416.830 +2;2;252.298;150.708;77.388;154.863;182.936;12.181;32133;69093;169088;12516;415.187 +2;3;165.472;102.530;46.295;96.870;124.837;0;48458;43112;72840;11304;268.002 +2;4;126.030;108.055;53.366;69.150;111.987;418;42201;13736;70191;16710;234.503 +2;5;112.246;106.641;47.399;77.610;109.715;15.837;35316;25876;38646;13989;234.724 +2;6;123.302;94.315;48.081;72.826;109.157;12.447;43284;30138;52112;12632;230.064 +3;2;187.810;167.455;59.042;130.098;168.254;2.129;37817;36445;103567;10443;357.394 +3;3;119.863;139.383;44.809;99.072;115.365;0;54584;17242;59231;12543;259.246 +3;4;127.805;114.813;39.025;110.740;94.470;1.617;33366;21103;84558;16683;244.235 +3;5;120.629;112.703;39.600;240.922;122.085;169.275;37387;20246;63778;13886;402.607 +3;6;130.465;105.273;57.467;88.462;109.132;19.323;27200;41713;59513;12260;255.061 +4;2;222.282;120.324;41.418;135.189;165.999;0;39446;29290;154144;10811;342.606 +4;3;150.257;116.959;34.193;115.536;118.911;1.424;51346;19782;89704;12182;268.640 +4;4;96.494;87.294;32.653;81.576;74.372;4.813;34631;22420;49644;15390;188.601 +4;5;89.526;99.756;51.985;51.930;98.107;12.740;31850;32150;21573;13807;202.022 +4;6;134.425;79.084;36.748;71.353;105.408;0;33970;28701;65199;11023;213.509 +5;2;158.716;158.133;59.131;92.639;165.079;0;32027;33282;128269;9287;316.849 +5;3;150.784;133.069;54.224;115.746;116.442;2.559;51235;34421;87708;11354;286.412 +5;4;193.534;109.639;58.378;142.382;102.687;274;28364;88404;91367;15003;303.447 +5;5;196.555;108.395;76.763;96.478;131.709;0;37011;109931;50112;12957;304.950 +5;6;192.116;121.106;107.568;121.152;103.180;18.678;27328;108072;56015;10690;331.900 diff --git a/Daily Demand Forecasting Orders/README.md b/Daily Demand Forecasting Orders/README.md new file mode 100644 index 0000000..4a83142 --- /dev/null +++ b/Daily Demand Forecasting Orders/README.md @@ -0,0 +1,52 @@ +Data Science Dojo
+Copyright (c) 2016 - 2019 + +--- + +**Level:** Intermediate
+**Recommended Use:** Regression Models