高斯过程回归代码，包括例程，适用于新入门高斯过程回归的人学习

贝叶斯网络改进LSTM，实现预测，比较好的算法

基于lstm算法在MATLAB对短期风速进行预测

Applied_Logistic_Regression_3rd_2013 第3版，关于logistic regression比较详细的书

Statistical Learning from a Regression Perspective

现在大部分公司做数字芯片开发都需要用到Verilog，在RTL 代码即将完成时，有必要使用vcs + DVE去查看经过仿真后的CASE代码覆盖率，保证代码本身是没问题的。

脸部老化CAAE 要求 点安装-r requirements.txt 火炬视觉0.4.0 火炬1.2.0 数据集 Colab笔记本 培训 推论-待定 快照 用法 git clone或下载此存储库的zip文件 从下载UTKFace的对齐和裁剪版本 安装要求 执行main.py python main.py 结果 UTKFace 行：年0〜5、5〜10、10〜15、16〜20、21〜30、31〜40、41〜50、51〜60、61〜70，超过70 epoch:50, step:86 EG_L1_loss:0.075875 |G_img_loss:5.226651 G_tv_loss:0.003358 |Ez_loss:0.851948 D_img:0.998970 |D_reconst:0

破产机器学习 破产数据研究的目的是为给定数据确定预测破产的最佳分类方法。 破产数据是从COMPUSTAT收集的1980年至2000年的数据，其中有5436个观察值和13个变量。 9个基于会计的变量和1个市场变量是：R1：WC / TA，营运资金/总资产R2：RE / TA，未分配利润/总资产R3：EBIT / TA，息税前利润/总资产R4：ME / TL，权益/总负债的市场价值R5：S / TA，销售/总资产R6：TL / TA，总负债/总资产R7：CA / CL，流动资产/流动负债R8：NI / TA，净收入/总资产R9：破产成本，对数（销售）R10：市值，对数（绝对（价格）*流通股数/ 1000） 对于本研究，由于没有明显的破产趋势，因此可以假定可以将多年来的数据汇总在一起并进行研究。 在这13个变量中，其中一个是“ DLRSN”-一种表示默认值的分类变量，即预测的因变量。 总体而

纽约市财产回归 基于纽约数据的房地产价格预测的真实案例研究。 项目背景 以在纽约州投资于房屋和公寓的房地产投资信托（REIT）为例，房地产投资信托（REIT）业务的一部分是试图预测房地产在出售前的公平交易价格。 他们这样做是为了校准内部定价模型并保持市场脉动。 在此项目中，数据集表示纽约州一个小县内房屋，公寓和公寓的投资。 当前的工作解决方案 房地产投资信托目前使用第三方评估服务，以其自身的专业知识估算房地产价格。 在实践中，各个评估员的技能水平差异很大。 为了估算错误定价范围，房地产投资信托基金进行了试运行，以将实际交易价格与评估师的估算值进行比较。 结果发现，没有经验的评估员给出的估计数平均相差70,000美元。 作为数据科学家的角色 房地产投资信托基金已决定采用数据驱动的方法来评估物业，而不是依靠评估师的个人专业知识。 目前，房地产投资信托基金有尚未开发的市场上先前物业交易价格

Additive logistic regression-a statistical view of boosting.pdf