a715506891 / Time-series-analysis
时间序列分析的代码及简要说明
☆15Updated 6 years ago
Related projects ⓘ
Alternatives and complementary repositories for Time-series-analysis
- 《应用时间序列分析》易丹辉、王燕著; 案例Python实现☆15Updated 5 years ago
- 利用时间序列预测汽车销量☆37Updated 5 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☆57Updated 5 years ago
- Comparing XGBoost, CatBoost and LightGBM on TimeSeries Regression (RMSE, R2, AIC) on two different TimeSeries datasets.☆22Updated 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。☆177Updated 4 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☆53Updated 7 years ago
- 使用svr, mlp, rnn, lstm, am-lstm进行多元时间序列回归预测☆51Updated last year
- Codes for time series forecast☆144Updated 3 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…☆42Updated 4 years ago
- 基于Keras的LSTM多变量时间序列预测☆22Updated 6 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆75Updated 2 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…☆65Updated 5 years ago
- 基于深度学习的溶解氧时间序列预测模型☆27Updated 4 years ago
- ☆237Updated 8 months ago
- 如何使用ARIMA模型预测世界肺炎确诊人数?【时序数据预测】☆40Updated 4 years ago
- about deep learning projects☆49Updated 4 years ago
- 使用pytorch搭建的循环神经网络在股票数据时间序列上的应用☆98Updated 6 years ago
- lstm time series forecasting implemented by keras 2.4 & tensorflow 2.3☆28Updated 3 years ago
- ☆31Updated 5 years ago
- 使用随机森林、bp神经网络、LSTM神经网络、GRU对股票收盘价进行回归预测。Random forest, BP neural network, LSTM neural network and GRU are used to predict the closing pric…☆51Updated 4 years ago
- PyTorch实现的Informer (Informer:用于长序列时间序列预测☆18Updated 2 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☆38Updated 4 years ago
- Undergradute final project with ARIMA,LSTM,GRU,Xgboost and DeepTTE.毕业论文代码库合集,包括基于ARIMA,LSTM,GRU进行时间序列预测,基于DeepTTE解决ETA(estimated time of …☆18Updated 2 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆50Updated 4 years ago
- 使用卷积神经网络-长短期记忆网络(bi-LSTM)-注意力机制对股票收盘价进行回归预测。The convolution neural network, short-term memory network and attention mechanism are used to…☆232Updated 9 months ago
- Temporal Convolutional Neural Net for stock selection, using a Genetic Algorithm for feature selection☆32Updated 4 years ago
- 基于ARIMA时间序列分析-预测客户申购量☆9Updated 4 years ago