实验报告：https://blog.csdn.net/Amzmks/article/details/128583508 探讨了某个国家或地区电影上座人数与电影的时长、荧幕数量、分级、题材、演员和导演等指标的关系，使用Python编程语言，利用随机森林回归预测的方法分析了影响电影卖座程度的因素，预测效果较好，拟合较为准确。 jupyter notebook numpy pandas matplotlib 数据分析 数据挖掘

MATLAB代码，直接运行，可以换数据。

基于数据挖掘的高校学生就业趋势预测分析.pdf

这是本人通过网上博文整理的文本挖掘知识体系思维导向图，便于理解和整理思路。后续的朋友可以根据自己的知识进行对其删除或增加完善它。

数据挖掘技术在超市客户关系管理系统中的应用毕业论文

机器学习的时间序列预测 一组预测时间序列的不同机器学习模型，具体来说是给定货币图表和目标的市场价格。 要求 必需的依赖项： numpy 。 其他依赖项是可选的，但是为了使最终模型更多样化，建议安装以下软件包： tensorflow ， xgboost 。 经过python版本测试：2.7.14、3.6.0。 取得资料 有一个内置的数据提供程序，可以从获取数据。 目前，所有模型都已通过加密货币图表进行了测试。 提取的数据格式是标准安全性：日期，最高，最低，打开，关闭，交易量，报价量，weightedAverage。 但是模型与特定的时间序列特征无关，并且可以使用这些特征的子集或超集进行训练。 要获取数据， 从根目录运行脚本： # Fetches the default tickers: BTC_ETH, BTC_LTC, BTC_XRP, BTC_ZEC for all time periods. $ ./run_fetch.py 默认情况下，将提取Poloniex中所有可用时间段（天，4h，2h，30m，15m，5m）的数据，并将其存储在_data目录中。 您可以通过命令行参

用于时间序列预测的LSTM.rar

数据挖掘课程设计报告：电视产品的营销推荐.docx数据挖掘课程设计报告：电视产品的营销推荐.docx数据挖掘课程设计报告：电视产品的营销推荐.docx数据挖掘课程设计报告：电视产品的营销推荐.docx数据挖掘课程设计报告：电视产品的营销推荐.docx数据挖掘课程设计报告：电视产品的营销推荐.docx数据挖掘课程设计报告：电视产品的营销推荐.docx数据挖掘课程设计报告：电视产品的营销推荐.docx

在时间序列预测问题中，建立LSTM模型，采用python语言代码实现

根据历史功率数据预测风电机功率，分别介绍了采用时间序列法 网络神经法 和灰度法三种方法