scikit-learn，简称sklearn，一个强大的Python机器学习库，本代码的“加州房价预测”实验是一个线性回归模型，包含已经运行过的jupyter notebook的.ipynb文件和数据集.csv文件，放到jupyter notebook根目录下即可打开或者运行。
2022-12-31 13:28:08
345KB
1
车流量建模是车联网（vehicular Ad Hoc network，VANET）路由、多媒体接入协议、无线算法设计的基础。准确的车流量模型将对智能交通系统（intelligent transportation system，ITS）实时调度和车联网的信息安全起到十分重要的作用。基于上海市的交通流量数据，利用自回归（auto regressive，AR）模型与神经（back-propagation，BP）网络模型对车流量实测数据进行了仿真对比，给出了相应的预测结果。研究发现，两个模型均能有效地对数据进行跟踪与预测，但对不同时段数据预测的准确性有所不同。研究结果将为未来智能交通应用、车联网的理论研究等提供有力依据。
2022-12-27 07:26:11
1.03MB
1
python实现基于区域二元线性回归模型进行图像恢复源码+项目说明（人工智能期末作业）.7z
图像恢复
实验要求：
生成受损图像，函数接口 noise_mask_image
受损图像是由原始图像添加了不同噪声遮罩（noise masks）得到的
噪声遮罩仅包含 {0,1} 值。对原图的噪声遮罩的可以每行分别用 0.8/0.4/0.6 的噪声比率产生的，即噪声遮罩每个通道每行 80%/40%/60% 的像素值为 0，其他为 1。
使用区域二元线性回归模型，进行图像恢复。
评估误差为所有恢复图像与原始图像的 2-范数之和，此误差越小越好。
Result：
使用线性模型以 10 x 10 的区域为单位，进行像素预测，直到完成整张图片的像素预测，完成图像恢复
2022-12-13 17:26:26
2.45MB
一维神经网络回归
在这里，我提供了一个示例，其中神经网络用于预测一维回归模型。 这是每个文件的简短描述： MLPregressionLoss.m：使用反向传播算法计算梯度 MLPregressionPredict.m：预测一维回归模型。 nnet.m ：这是一个演示，展示了每 100 次迭代的随机梯度方法的进展。
2022-12-06 20:11:41
5KB
1
1.持久性模型
2.快速检查自相关_corr()
3.快速检查自相关_lag_plot()
4.数据集线图
5.自回归模型
6.自回归模型 (2)
7.自相关图_autocorrelation_plot()
8.自相关图_plot_acf()
2022-12-02 19:28:17
11KB
基于ARIMA自回归模型对法国香槟的月销售额预测python实现完整源码+数据+详细注释
包含 1.如何训练Embidding层 2.在Embidding层使用已训练好的词向量_glove 3.数据的初步
可视化分析；4.手动配置ARIMA参数；5.手动配置差分参数；6.网格搜索配置ARIMA参数；7.残差后自相关检测；8.残差修正；9.检查残差预测误差；10.验证模型；11.进行预测；12.数据集分割等
2022-12-02 14:29:50
22KB
MATLAB实现LM线性回归模型多输入单输出（完整源码和数据）
数据为多输入单输出回归预测数据，输入多个特征，输出一个响应变量,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。
运行环境MATLAB2018b及以上。
2022-11-29 10:28:29
310KB
基于Gamma Correcction的回归模型（Python完整源码和数据包）
基于Gamma Correcction的回归模型（Python完整源码和数据包）
基于Gamma Correcction的回归模型（Python完整源码和数据包）
2022-11-23 11:26:33
50KB