朴素法、简单平均法、简单指数法、霍尔特（Holt）线性趋势法、Holt-Winters季节性预测模型、自回归移动平均模型

大数据应用场景（大数据预测），精品一级

Driving Course Prediction Using Distance Sensor Data

在大数据时代，传感器网络，社交网络，互联网等不断且快速地生成大量数据。从大数据流中学习知识是一项重要任务，因为它可以支持在线决策。 预测是有用的学习任务之一，但是固定模型通常不能很好地工作，因为数据分布会随时间而变化。 本文提出了一种基于演化贝叶斯网络的流数据预测方法。 贝叶斯网络模型是基于高斯混合模型和EM算法来推导的。 为了支持基于流数据的演化模型结构和参数，提出了一种演化爬山算法，该算法基于到达新数据时分数度量的增量计算。 实验评估表明，该方法是有效的，并且优于流式数据预测的其他流行方法。

利用遗传算法优化BP神经网络模型对数据进行仿真训练，可以对变形监测数据以及其他领域的数据进行预测，实验结果表明遗传算法优化BP神经网络模型比BP神经网络模型有着更好的预测精度，代码是基于matlab语言自己写的，可供参考

神经网络故障诊断和数据预测的matlab程序matlab

ARIMA模型（英语：Autoregressive Integrated Moving Average model），差分整合移动平均自回归模型，又称整合移动平均自回归模型（移动也可称作滑动），是时间序列预测分析方法之一。ARIMA(p，d，q)中，AR是“自回归”，p为自回归项数；MA为“滑动平均”，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。“差分”一词虽未出现在ARIMA的英文名称中，却是关键步骤。

matlab神经网络源码集锦-GRNN的数据预测-基于广义回归神经网络货运量预测

INSE6180 使用3个研究论文的数据挖掘算法实现。 该项目使用所有上述算法对从IMDb数据库获得的数据进行ML分析。 这些算法（朴素贝叶斯算法，决策树算法和支持向量机）在不同的数据集上效果最佳，但为了使它们更公平，已使用了新的IMDb数据库。 首先，对数据进行清洗，预处理，修剪然后整合，以便为分类器提供可能的最佳有意义数据。 考虑到要进行分析，分类器从头开始用Python语言编写了脚本。 最后，在已开发的分类器中进行分析，并进行比较研究。 队友：Gursimran Singh –40080981 Ufuoma Ubor-40072909 Darshan Dhananjay –40079241 Ashmeet Singh -40070369 V. Subramaniyaswamy，MV Vaibhav，RV Prasad和R. Logesh，“使用多元回归和SVM预测电影票房成功

成人收入分析 根据人口普查数据预测收入是否超过$ 50K /年。 我从UCI机器学习存储库收集了数据。 使用的分类模型： 决策树 线性回归 逻辑回归 随机森林 k最近邻居 支持向量机 我的分析表明，婚姻状况，人际关系和资本收益在收入预测中具有更大的重要性。 我的模型的ROC曲线：