2022 APMCM summary sheet
为解决全球变暖对全球气温的影响问题，本文采用ARMA模型、LSTM模型和Stacking模型融合对未来全球温度变化趋势和影响因素预测进行分析。
对于问题一的第一部分，需要每十年的全球平均温度的增幅进行比较并绘制折线图进行表示，分析得到同意2022年3月全球气温的上升确实比以往任何10年期间观测到的升幅都要大的结论。对于问题一的第二部分，我们分别建立了ARMA模型和LSTM模型用时间来拟合过去的温度变化，并预测2100年12月前的温度。对于问题一的第三部分，使用第二部分的两个模型进行预测，预测结果不一致，ARMA模型预测到2100年6月，2050年5月全球平均温度到达20℃，LSTM模型预测为2050年到2300年全球平均气温均低于20℃，所以根据此模型预测趋势推断出以后全球平均气温不会高于20℃。对于问题一的第四部分，根据相关计算得到两个模型的平均绝对误差分别为0.31，0.0195，根据以上数据我们得出LSTM模型预测的更准确。
对于问题二的第一部分，我们使用经纬度和时间两组数据对温度进行预测，为了确保模型的健壮性,我们采用Sta
2023-05-20 23:15:01
3.34MB
1
Expert One-on-One J2EE Development Without EJB中文版
2023-05-19 23:11:57
142.63MB
1
分享一套图神经网络视频教程——《深度学习-图神经网络实战》，视频+源码+数据+文档资料下载！
《深度学习-图神经网络实战》课程旨在帮助同学们快速掌握深度学习在图模型领域算法及其应⽤项⽬。内容主要包括三个模块：
1、图神经⽹络经典算法解读，详细解读GNN,GCN,注意⼒机制图模型等算法 ；
2 、图神经⽹络框架PyTorch-Geometric，全程实战解读图神经⽹络框架应⽤⽅法；
3 、图神经⽹络项⽬实战，基于真实数据集与实际项⽬展开图数据集构建与模型训练并应⽤到实际场景中。
整体⻛格通俗易懂，提供全部数据与代码。
2023-05-19 18:57:42
1KB
1
机器学习 – 机器学习项目案例
案例1：利用岭回归研究波士顿放假
读取数据
from sklearn.datasets import load_boston
boston = load_boston()
print('feature_names:', boston.feature_names)
print('data (shape) :', boston.data.shape)
线性回归模型
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(boston.da
2023-05-19 15:41:59
302KB
1
5-机器学习系列（5）：卷积神经网络CNN之--原理及python实现1
2023-05-18 20:11:15
2.42MB
1