利用Python语言编写的灰色预测模型GM（1,1），可以直接使用，代码上有填充好的数据,直接在上面修改就好,需要修改的地方都标注出来了,简单方便。

Credit_Risk_Analysis 项目概况 我们正在分析来自点对点贷款服务公司LendingClub的数据，并创建一个机器学习模型来预测申请人的信用风险。 目的 该模型的目的是帮助简化贷款的申请流程。 对于该项目，我们将采用不同的采样技术来解决不平衡的类别。 然后，我们将测试和比较平衡的随机森林分类器和易集成分类器，这两个模型可减少偏差，并确定是否可以使用这两个模型来一致地预测申请人的信用风险。 结果 天真的随机过采样逻辑回归 平衡准确度得分：0.641 精度：0.01 召回率：0.65 SMOTE过采样逻辑回归 平衡准确度得分：0.663 精度：0.01 召回率：0.63 聚类质心欠采样逻辑回归 平衡准确度得分：0.545 精度：0.01 召回率：0.69 SMOTEENN组合抽样逻辑回归 平衡准确度得分：0.648 精度：0.01 召回率：0.71 平衡

随着互联网的快速发展，支付宝已成为人们生活中必不可缺的一部分，买基金的人也日益增多。本次论文利用多项式拟合的方法对支付宝基金净值的数据进行预测。利用polyval、polyfit函数进行拟合。多项式拟合主要采用多项式函数形式进行拟合、逼近数据所呈现出来的趋势，建立预测模型。利用Matlab R2016a得出未来15天基金净值情况的预测。

解释一致性框架 该存储库包含在Explantion Consistency Framework（ECF）的开发中使用的整个代码库。 ECF是在我的整个硕士论文中进行研究和开发的，可以评估和比较LIME和SHAP等不同解释方法之间的解释质量。 此外，笔记本还包含对使用的数据集的描述性和视觉分析，以及包括XGB和LSTM在内的一系列预测模型的实现，以及两种解释方法LIME和SHAP的应用。

BBS是网络舆情产生和传播的主要场所之一,由于研究手段的匮乏,预测和引导BBS舆情的研究工作仍处于探索阶段。考虑到网络舆情具有突现性,以突现计算的观点将发帖人抽象成Agent。通过设定Agent参数和交互规则,利用小世界网络建立了BBS舆情预测模型。仿真结果表明,在日增回帖数和个人发言数比例这2个重要统计指标上与真实情况同时吻合,说明了模型的合理性和有效性。

用于健康预测模型的Python库（PyHealth） 部署，文档和统计 建筑状态，覆盖范围，可维护性和许可 发展状况：截至2021年1月4日，PyHealth处于积极发展阶段，处于alpha阶段。请关注，加注星标和获取最新功能！ PyHealth是针对医疗保健AI的全面Python软件包，专门为ML研究人员以及医疗保健和医学从业人员设计。 PyHealth接受各种医疗保健数据，例如纵向电子健康记录（EHR），连续信号（ECG，EEG）和临床记录（待添加），并支持使用深度学习和其他高级机器学习算法发布的各种预测建模方法，文学。 该图书馆由， 和的研究人员自豪地开发和维护。 PyHealth使许多重要的医疗保健任务变得可访问，例如表型预测，死亡率预测和ICU停留时间预测等。使用深度学习模型运行这些预测任务，在PyHealth中可以短到10行代码。 PyHealth包含三个主要模块：（i）

主要介绍如何使用python搭建：基于三个经典机器学习算法的个贷违约预测模型。三大模型：朴素贝叶斯、随机森林、逻辑回归。

基于遗传优化支持向量机的软件缺陷预测模型，王男帅，薛静锋，有效的软件缺陷预测能够显著提高软件安全测试的效率，确保软件质量，支持向量机(support vector machine, SVM)具有非线性运算能力，是建立�

针对炼焦行业亟待解决的节能减排、降低成本和提高焦炭质量的问题,分析了影响焦炭质量的主要因素,选择了六项指标来预测焦炭的质量,建立了通过遗传算法(GA)优化神经网络的焦炭质量预测模型。实践表明,GA优化的BP神经网络焦炭质量预测模型有较好的适应性和预测精度,具有一定的实际应用价值。

基于加权马尔可夫链修正的ARIMA 预测模型的研究.pdf