根据网络公开空气质量数据的基础上进行爬取相关数据，主要是针对环境较为恶劣的城市，天津、北京、广州等几个城市，尤其是针对天津的质量数据进行对比分析。并在分析的基础上得出空气质量变化情况，提出一些意见。并借助机器学习算法根据数据预测空气质量，以达到分析预测的典型大数据分析模式效果。

数据预测是大数据最核心的应用，是它将传统意义的预测拓展到“现测”。大数据预测的优势体现在，它把一个非常困难的预测问题，转化为一个相对简单的描述问题，而这是传统小数据集根本无法企及的。从预测的角度看，大数据预测所得出的结果不仅仅是用于处理现实业务的简单、客观的结论，更是能用于帮助企业经营的决策。。

简单程序和风电数据。python编写

利用互联网大数据预测季度GDP增速的方法研究.pdf

在实现多变量数据预测过程中，发现利用MATLAB自带的高斯过程回归（Gaussian process regression，GPR）无法实现多输入多输出的数据预测，于是利用了gpml-matlab-v4.1-2017-10-19这个工具箱，并简单实现了多变量数据的预测值以及给出了每个预测值对应的方差。 注：涉及的训练数据和测试数据会在附件中给出。

轴承剩余寿命预测项目(projectRUL) 使用PHM2012大赛的轴承数据库，研究如何使用深度学习算法对滚珠轴承进行剩余寿命预测的试错项目 to prediction the remain useful life of bearing based on 2012 PHM data 2021-01-17 最后更新总结(Final Update) 碎碎念：这个项目一开始只是一个默默无名的研究生用来记录自己在深度学习算法上的学习过程，所以本质上就是一个没啥卵用的项目。结果项目停止更新的两年多总有人会给我发邮件问这个项目，(也有可能相关方向的代码是真的少，所以找到这里。。。)，而且我也不做相关方向了，所以做一个总结。 项目里面的深度模型基本都能运行，但是效果都不行！！（仅供新人学习参考） 项目里面我自我感觉最好的代码是dataset.py，这是将PHM2012、德国帕德博恩大学的数据库以及cw

心肌梗塞预测 使用心肌梗死后三天就诊的数据预测患者的死亡。 该项目使用UCI机器学习存储库中的数据集。 该数据集包含在发生心肌梗塞后三天内在医院从患者那里收集的数据。 在研究生院期间，我研究了心脏组织工程技术，以创建源自干细胞的心脏组织，该组织可以在心肌梗塞后植入心脏，因此我自然对这个数据集产生了兴趣。 我对了解数据集中每个功能所代表的医学术语以正确清除任何缺失值的数据的能力感兴趣。 我研究了这些功能，以识别它们之间的关系，以正确估算缺失的数据。 清理数据后，我使用数据集进行监督学习分类器，包括K近邻，随机森林，支持向量机和adaboost。 我使用带有交叉验证的网格搜索来优化超参数以获得最准确的拟合。 我生成了ROC曲线以确定阈值，以假阳性为代价来优化召回率。 在预测死亡的情况下，最大限度地提高召回率尤为重要，这样我们就可以识别出尽可能多的可能死亡的患者，以分配更多的医院资源来挽救他

在科学实验及应用中,需要对数据进行拟合,以便更好地建立自变量与因变量之间的函数关系,从而分析其内在规律。最小二乘法因其准确性高、计算量小等特点而被广泛应用到曲线拟合问题中。本文通过最小二乘法的曲线拟合方法,利用Matlab软件实现数据的拟合并进行数据预测。结果表明建立的拟合函数预测值结果与实际情况近似一致。

电气暑期实习内容。pyhon对下载数据进行数据处理，异常点检测，拉格朗日插值。后进行图形绘制。根据设定训练值进行预测，预测准确度达90%。

MATLAB源码集锦-基于RLS算法的数据预测与MATLAB实现