研究生录取预测 机器学习和Web开发项目

traffic_prediction:速度预测

机票价格预测： 表中的内容 演示版 链接： ： 概述 这是一个Flask网络应用，可预测机票价格。 动机 由于这种大流行情况，您在家时该怎么办？ 我开始学习机器学习模型以充分利用它。 我开始了解所有监督模型背后的数学。 最后，在应用程序（实际应用程序）上工作以真正有所作为很重要。 安装 该代码是用Python 3.8.0编写的。 如果您没有安装Python，则可以在找到它。 如果您使用的是较低版本的Python，则可以使用pip软件包进行升级，以确保您具有最新版本的pip。 要安装必需的软件包和库，请在存储库后在项目目录中运行以下命令： pip install -r requirements.txt 在Heroku上部署 登录或注册以创建虚拟应用程序。 您可以连接github配置文件或下载ctl来手动部署此项目。 我们的下一步是按照的说明部署Web应用程序。 目录树 ├── stat

Customer_churn_prediction:机器学习项目

股票买卖最佳时机leetcode 项目前提 该项目探索了使用监督式机器学习模型以基本面和技术分析数据作为输入可以预测未来股票价格的程度。 该项目旨在确定哪种监督机器学习模型，从时间序列多线性回归 (TS-MLR)、循环神经网络 (RNN) 到长短期记忆 (LSTM)，可以以最低的根预测未来股票价格均方误差 (RMSE)。 在这样做的过程中，我们进行了降维和特征选择，深入了解了对预测未来股票价格特别重要的基本面和技术分析数据的类别。 这种洞察力可以整合到选股策略中，并为买卖股票的理想时机提供基准。 该项目将 LSTM 列为表现最佳的机器学习模型，预测未来一个月收盘价的平均 RMSE 为 8.03，预测未来六个月收盘价的平均 RMSE 为 13.45。 动机 投资股票市场往往是最不稳定的投资类型。 因此，我们的项目探索了最小化此类波动的方法之一——分析公司数据以发现股票价格变化的可能趋势。 在此过程中，我们的项目希望这些趋势能够帮助提高投资者的确定性。 理想情况下，最好（最小 RMSE）模型将允许投资者从投资中获利并“击败市场”。 我们项目的意义有两个方面。 首先，它提供了对影响股票价格的

引文 文章： ： 如果您发现此存储库对您的研究有用，请引用此工作： Martinsson, J., Schliep, A., Eliasson, B. et al. J Healthc Inform Res (2019). https://doi.org/10.1007/s41666-019-00059-y 先决条件 该代码旨在在OhioT1DM数据集上运行。 因此，要使用它（例如，示例实验YAML配置）中的xml_path需要指向XML数据文件所在的磁盘上的路径。 例如，更改“ / home / ubuntu / ohio_data / OhioT1DM-training /”以指向包含ohio数据集XML文件的Ohiot1DM-training文件夹。 当然可以编写一个新的数据集模块，该模块将数据加载为所需格式并在其他数据上训练模型。 安装 $> chmod +x setup

一本介绍贝叶斯网络结构学习中，依赖性分析方法的英文书籍。

二手车价格预测

网球预测 实施论文“机器学习预测职业网球比赛”（Sipko，2015年）。 计划 首先，我们需要数据，即有关锦标赛（仅ATP），球员和比赛的信息，以及每项的详细统计信息。 最好的来源是Oncourt数据库，您可以从他们的网站下载该数据库。 否则，您可以使用JeffSackmann的数据，该数据非常好，但缺少赢家，无人为错误，净进场和发球速度。 关于投注数据，我们使用tennis-data.co.uk提供的赔率。 接下来，我们需要解析数据； 换句话说，我们将.csv文件读入程序，并将数据存储在一些自定义类中（ Tournament ， Player ， Match ， Set ， Statistics ）。 在程序中获取数据后，现在我们需要产生所需的功能。 在此步骤中，我们遵循了该论文，该论文基本上建议为每个玩家取两个按时间和表面加权的平均值，然后减去它们。 我们还实现了常见的对手模型。

该caffe.model适用于opencv入门学习中的实验教程，主要完成性别和年龄的预测，下面是参考教程：https://blog.csdn.net/Haiqiang1995/article/details/90113486