Mnist python图片识别。 带网页端可上传手写字图片进行预测识别 使用SVM和ANN两种模型进行实现

通过逐步回归分析(SRA)、自适应模糊神经网络(ANFIS)资本资产定价模型(CAPM)对金融时间序列进行预测的MATLAB仿真。介绍了国内外关于证券组合投资的理论研究成果，并分析了各种方法的优缺点。然后分别介绍了逐步回归分析理论(Stepwise regression analysis，SRA)、自适应模糊神经网络理论(adaptive neural-fuzzy inference system，ANFIS)、资本资产定价模型(Capital asset pricing model，CAPM)三种方法。通过SRA方法来提高预测模型的性能，通过ANFIS模型获得更高精度预测模型，最后将SRA和ANFIS和CAPM资产资本定价模型进行结合，提出了一种适合国内证券市场的混合组合投资算法。并通过MATLAB仿真工具对该组合投资算法进行了性能验证，通过仿真结论可知，本文所提出的算法在国内证券市场可以获得较高的投资回报，因此具有一定的应用价值。

weibo_predict 本项目是采用Python语言结合机器学习中的常用算法来对微博传播过程中的转发数进行预测。 主要做的工作有： 1.分别从微博转发广度和转发深度两个方面来对微博进行预测； 2.并对传播过程中可能出现峰值的时刻进行了预测研究； 3.通过对算法的改进使得算法的预测准确率得到了一定的提升； 4.通过使用图的方式来更直观的对比显示各算法之间的优劣性；

1、内容概要：本资源将初步探究 LSTM 在股票市场的应用。通过使用LSTM对股票收益的预测，可以了解到：（1）如何将原始数据集转换为可用于时间序列预测的数据。（2）如何准备数据并使LSTM适合多变量时间序列预测问题。（3）如何进行预测并将结果重新调整回原始数据。 2、本资源适用于对量化交易感兴趣的学生学习实验参考使用。 3、资源内容主要包括：股票数据（20支）.rar，LSTM实现对股票数据进行预测（Keras实现）源代码lstm_model.py（源码以600000.SH股票数据为基准进行分析，以2016年3月1日至2017年12月31日为回测期，进行收益率的预测模拟），2016年3月至2017年12月的股票回测模型损失和RMSE计算数据excel。

基于lstm算法在MATLAB对短期风速进行预测(Based on LSTM algorithm, short-term wind speed was predicted in MATLAB)

百万分之几 这是用于数据压缩的PPMC模型的效率低下但简单的实现。

纯手些代码，python，线性分类与决策树 MS泰坦尼克号的沉没是历史上最臭名昭着的沉船之一。 1912年4月15日，在首航期间，泰坦尼克号撞上一座冰山后沉没，2224名乘客和机组人员中有1502人遇难。 这一耸人听闻的悲剧震撼了国际社会，导致了更好的船舶安全条例。预测是否有乘客幸存下来的泰坦尼克号。

利用MATLAB的BP神经网络进行的预测模型的程序

假设该过程遵循AR流程，则此功能将提前进行h周期的预测。 最佳滞后数 p 由 AIC 原理确定，并具有简化的公式。 一旦确定了最佳滞后数，算法就会执行预测，选择迭代或直接方法。 迭代方法对下一个周期执行第一个预测，然后将该预测用作时间序列的最后一个观测值，并使用该最后一个信息再次执行预测。 简单的 OLS 用于查找预测参数。 直接方法执行变量的 OLS 回归到它的第 h 个滞后，因此它不使用“新”信息，而是直接从它的过去值回归变量。

Scikit学习 使用Python进行预测数据分析的机器学习库 Y = X * B1 + B0 系数 B1：坡度 渐变| 陡度线| 线方向| 重量 B0：拦截 偏差| 常数| 回归线与Y轴相交的位置（当X = 0时Y的值） R 2 ：测定系数 模型捕获的数据的方差（0.7到0.9是R 2的好值） 大的R 2表示较好的拟合度（模型可以用更好的方法解释预测值与实际值的差异） R 2 = 1对应于SSR = 0（完美拟合） R 2低会导致拟合不足 高R 2导致过度拟合 残差 实际-预测 线性回归 学习一个线性回归模型来估计系数的值 根据另一个要素的值预测要素的值。 简单线性回归 多元线性回归 多项式线性回归 高级线性回归