dsnd-disaster-response-pipelines:Udacity数据科学纳米学位项目

灾害响应管道项目 该项目是。 我分析了的灾难数据，并建立了一条ML管道对消息进行分类，以便可以将它们发送到适当的救灾机构。 带有Flask的Web应用程序为数据输入（消息）提供UI，并在UI中显示分类结果（类别）。 Plotly用于提供数据可视化。 我如何完成项目 步骤1.首先，我在2个笔记本上工作：ETL Pipeline Preparation.ipynb和ML Pipeline Preparation.ipynb。 第2步。然后用笔记本中的代码完成2个脚本process_data.py和train_classifier.py 。 步骤3.对于Web应用程序，我使用PyCharm作为IDE，并使用Virtualenv为项目创建虚拟环境（具有所有必需的依赖项）。 该Web应用程序的主要工作是数据可视化，该数据可视化是在run.py中的run.py的帮助下用Python run.py 。