-
该项目为NASA涡轮风扇发动机故障预测，专注于数据分析和预测建模以确定其剩余使用寿命
资源介绍
NASA涡轮风扇故障预测
这个数据分析/机器学习项目研究了行为变量与故障发生之间的关系（就剩余的发动机循环而言），用于来自NASA研究项目的模拟运行涡扇数据。
该项目从对数据集的探索开始，随后是基于当前引擎读数的引擎剩余使用寿命（RUL）预测模型的开发。 建模技术包括线性回归和神经网络（使用TF-Keras）。
培训数据来自NASA预测中心数据存储库： :
可以在以下找到有关此调查的文章： :
项目目标
分析发动机性能与剩余使用寿命之间的关系。
开发剩余使用寿命的预测模型。
探索数据集
使用Jupyter笔记本浏览数据集，先进行数据质量检查，然后调查可变关系。 数据质量通常非常好，几乎没有数据丢失或数据类型不正确的情况，尽管随附的文档表明某些传感器上存在噪声。
在数据集中可以看到许多变量之间的强线性相关性，为子集预测模型的变量提供了坚实的基础：
许多变量分布是正态或偏态