GISer2000 / daily_learningLinks
分享代码写作日常
☆40Updated last month
Alternatives and similar repositories for daily_learning
Users that are interested in daily_learning are comparing it to the libraries listed below
Sorting:
- 包含灰色预测模型：灰色单变量预测模型GM(1,1)模型，灰色多变量预测模型GM(1,N)模型，GM(1,N)幂模型，灰色多变量周期幂模型GM(1,N|sin)幂模型，以及灰色关联模型☆80Updated 3 years ago
- 数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)☆65Updated 5 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆44Updated 5 years ago
- 《交通大数据理论与方法》☆175Updated 3 years ago
- 使用LSTM、GRU、BPNN进行时间序列预测。Using LSTM\GRU\BPNN for time series forecasting. (Pytorch Edition)☆58Updated 4 years ago
- 建立SARIMA-LSTM混合模型预测时间序列问题。以PM2.5值为例，使用UCI公开的自2013年1 月17日至2015年12月31日五大城市PM2.5小时检测数据，将数据按时间段划分，使用SARIMA过滤其线性趋势，再对过滤后的残差使用LSTM进行预测，最后对预测结果进行…☆83Updated 6 years ago
- 基于pytorch搭建多特征LSTM时间序列预测☆172Updated 3 years ago
- 本项目为时间序列预测项目，主要重点在于对预测项目整体流程的梳理总结，不同框架下如何进行简单数据处理和模型搭建。因此项目中搭建的主要为一些常用模型（后续会不断修改完善）。模型包含了prophet模型、keras库的bp神经网络和lstm网络模型、pytorch …☆26Updated 2 years ago
- 交通流量多模型预测☆53Updated 5 years ago
- 城市交通道路流量预测☆55Updated 6 years ago
- Regression prediction of time series data using LSTM, SVM and random forest. 使用LSTM、SVM、随机森林对时间序列数据进行回归预测，注释拉满。☆197Updated 5 years ago
- CNN+LSTM+Attention实现时间序列预测☆60Updated last year
- 交通流量预测项目在研，以下是本人学习过程中积累整理的资源，会持续更新☆231Updated 5 years ago
- 基于统计学的时间序列预测(AR,ARM).☆290Updated 4 years ago
- 常见的数据预处理，包括数据加载、缺失值&异常值处理、描述性变量转换为数值型、训练测试集划分、数据规范化☆44Updated 2 years ago
- 客流量时间序列预测模型☆128Updated 3 years ago
- 基于 LSTM 循环神经网络的电力系统负荷预测分析。建立 CART 回归树以及 LSTM 模型对该地区未来 10 天间隔 15 分钟负荷以及未来 3 个月负荷最大最小值进行预测。将行业数据分为大工业用电最大值、大工业用电最小 值；非普工业最大值、非普工业最小值；普通工业最大…☆39Updated 2 years ago
- 采用神经网络来预测加密货币涨跌，同时采用贝叶斯优化方法调整超参数☆22Updated 4 years ago
- 一个交通大数据可视化系统☆24Updated 8 years ago
- 使用GCN和GRU组合模型，多站点气温预测☆37Updated 4 years ago
- 使用支持向量机、弹性网络、随机森林、LSTM、SARIMA等多种算法进行时间序列的回归预测，除此以外还采取了多种组合方法对以上算法输出的结果进行组合预测。Support vector machine, elastic network, random forest, LSTM…☆46Updated 5 years ago
- 分别使用三种图卷积做一个简单的交通流量预测模型。☆39Updated 5 years ago
- 基于卡口实时过车数据进行交通流量的实时预测分析，使用LSTM循环神 经网络模型进行融合预测，准确率达到90%以上。☆58Updated 5 years ago
- 机器学习(Machine Learning, ML)python简洁实现，包括混合高斯模型，KMeans，决策树，随机森林，K近邻，线性判别分析，逻辑斯蒂回归（梯度下降法，牛顿法），多层感知机（分类+回归），Naive Bayes（离散+高斯），多分类SVM，线性回归，隐马…☆150Updated 4 years ago
- python 用GA算法优化BP神经网络☆161Updated 4 years ago
- 比较 TCN、GRU、GCN、TGCN、 TCN+GCN 在 交通流量预测方面的准确率效果。☆135Updated 4 years ago
- 集成学习Stacking方法详解☆76Updated 6 years ago
- ☆254Updated last year
- 实验源代码-----基于随机森林的气温预测☆44Updated 5 years ago
- 机器学习预测系统汇总：包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测☆82Updated 5 years ago