gongxijun / predict_aqiLinks
空气质量指数预测
☆21Updated 6 years ago
Alternatives and similar repositories for predict_aqi
Users that are interested in predict_aqi are comparing it to the libraries listed below
Sorting:
- 水质预测系统,利用机器学习进行水质预测☆83Updated 2 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☆76Updated 4 years ago
- 时间序列ARIMA模型的销量预测☆63Updated 6 years ago
- 基于seq2seq模型的风功率预测☆28Updated 5 years ago
- 🤖机器学习实战🤖:决策树、随机森林线性回归、逻辑回归、贝叶斯、kNN等☆26Updated 5 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
- 支持向量机(SVM)——分类预测,包括多分类问题,核函数调参,不平衡数据问题,特征降维,网格搜索,管道机制,学习曲线,混淆矩阵,AUC曲线等☆52Updated 7 years ago
- 客流量时间序列预测模型☆123Updated 3 years ago
- [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩☆45Updated 6 years ago
- 基于Keras的LSTM多变量时间序列预测☆177Updated 7 years ago
- 利用时间序列预测汽车销量☆40Updated 6 years ago
- 农作物产量预测-天池☆14Updated last year
- 依据广西81个县早稻、晚稻作物4年产量的相关历史数据,结合4年气象降雨 、温度、光照、温差等气象数据,一方面探索广西各地区气象环境局部特征,构建未来气象预测系统,另一方面挖掘气象和水稻产量的关系,构建因地制宜精准产量预测模型。☆14Updated 5 years ago
- 用TensorFlow搭建CNN/RNN/LSTM/GRU/BiRNN/BiLSTM/BiGRU/Capsule Network等deep learning模型☆59Updated 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…☆80Updated 6 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)☆63Updated 4 years ago
- 用LSTM预测空气质量☆29Updated 4 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
- 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
- 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
- 集成学习Stacking方法详解☆75Updated 5 years ago
- 基于Keras的LSTM多变量时间序列预测☆24Updated 7 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☆55Updated 5 years ago
- 使用2018年度部分大众点评的用户评价作为数据集,未筛选前共440万条评论数据,经过数据集的标签化处理以及中文文本的预处理、特征提取以及特征权重后,使用了SVM,朴素贝叶斯,Adabosst等经典机器学习方法进行分类,之后又使用了Bi-LSTM的深度神经网络进行训练分类。☆12Updated 3 years ago
- 交通枢纽客流量预测算法模型☆15Updated 5 years ago
- Use LSTM to do PM2.5 prediction☆45Updated 5 years ago
- 基于pytorch进行文本多分类,主要模型为双向LSTM,预测准确率83%☆44Updated 5 years ago
- 基于Keras框架,结合LSTM/GRU/Arima/WNN实现多方式的水质参数预测☆22Updated 6 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。☆55Updated 5 years ago
- 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。☆104Updated 5 years ago