SimonWang00 / salesPredict
基于ARIMA时间序列的销量预测模型,实际预测准确率达90%以上,内含有测试记录和实际上线效果。
☆105Updated 5 years ago
Alternatives and similar repositories for salesPredict:
Users that are interested in salesPredict are comparing it to the libraries listed below
- 时间序列ARIMA模型的销量预测☆63Updated 6 years ago
- 利用时间序列预测汽车销量☆39Updated 6 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测,洗发水销量/股票走势预测,有状态循环神经网络☆58Updated 7 years ago
- 客流量时间序列预测模型☆119Updated 3 years ago
- 基于Keras的LSTM多变量时间序列预测☆176Updated 7 years ago
- 不同时间序列预测方法对上海旅游规模进行预测☆17Updated 6 years ago
- 智能供应链分析,对顾客用rfm模型分类,用多种机器学习模型建模,进行欺诈订单预测,延迟发货预测,销售额预测,销售数量预测☆31Updated 4 years ago
- 机器学习的特征工程,包括特征抽取、特征预处理、特征选择、特征降维。☆25Updated 6 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…☆77Updated 6 years ago
- 如何使用ARIMA模型预测世界肺炎确诊人数?【时序数据预测】☆41Updated 5 years ago
- 金融时间序列(预测分析 / 相似度 / 数据处理)☆227Updated 9 months ago
- 算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息,得到相应的调仓对策。可回归(预测具体价格)可分类(预测涨跌)。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种,每个输入样本都是一个序列(如某板块20天的四价一量)用这个序列预测结果。它认为某些…☆62Updated 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☆41Updated 5 years ago
- 基于统计学的时间序列预测(AR,ARM).☆268Updated 4 years ago
- 基于KNN聚类算法结合Dynamic Time Warping(动态时间调整)的时间序列分类☆59Updated 5 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆80Updated 3 years ago
- 基于seq2seq模型的风功率预测☆28Updated 5 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。☆186Updated 4 years ago
- 分析银行营销活动数据以预测客户有多大可能购买存款产品☆12Updated 5 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…☆45Updated 4 years ago
- 构建基于逻辑回归的评分卡模型☆44Updated 6 years ago
- LSTM进行时间序列预测☆17Updated 6 years ago
- 通过修改transformer使其可以预测金融时间序列☆33Updated 4 years ago
- ☆246Updated last year
- 竞赛项目集合:Rossmann销售预测(Top3%)、HousePrices(Top34%)、数字识别(Top78%)、泰坦尼克(Top83%)、能源预测③(Top36%)、未来价格预测(Top37%)、NFL大数据碗(Top61%)、厄瓜多尔连锁超市销售预测(Top48%…☆40Updated 4 years ago