纽约出租车需求预测
预测纽约市未来10分钟内黄色出租车的出租车需求。
这款python笔记本将使用出租车和豪华轿车委员会提供的用于黄色出租车的数据来开发机器学习模型，以预测纽约黄色出租车的出租车需求。 基于这些数据，机器学习模型可以预测10分钟内出租车的取货需求。 在这个python笔记本中，已经训练了不同的机器学习模型，并测试了准确性。
资料总览
接送日期/时间
接送地点
旅行距离，
逐项列出的票价
费率类型
付款方式
驾驶员报告的乘客人数
首先使用给定的数据，我们将进行数据清理并将数据转换为所需的格式。
为了将纽约市划分为区域，以便可以进行区域虎钳的预测，我们将使用K-means算法。
功能重要性是任何机器学习问题的重要组成部分。 在这里，我们将通过一次生成具有比率和先前值的特征（t-1）来使用低于基线的模型，并计算平均绝对百分比误差。
移动平均线
加权移动平均线
指数移动
2021-08-21 11:52:43
3.4MB
1
ON DEMAND & LEAN PRODUCTION CELL SYSTEM(pdf 12)英文.rar
2021-08-16 19:02:09
479KB
如何清空matlab的代码旧教学法（MATLAB）
它由BLP（1995）需求估计算法的两种实现组成，我仅将这些实现用于教学目的。
这不是生产代码
如果您想估计一个大规模问题的需求，建议您查看我的其他存储库。
有三个主要文件。
blpsimple.m
出于教学目的，它被设计为简单BLP代码的清晰紧凑版本。
重点是博览会的清晰度，它不包括加快进度的几个“技巧”。
它仅处理独立正态随机系数的最简单情况。
它不处理其他情况。
blpparallel.m
出于教学目的，它被设计为简单BLP代码的清晰紧凑版本。
重点是博览会的清晰度，它不包括加快进度的几个“技巧”。
它仅处理独立正态随机系数的最简单情况。
它不处理其他情况。
它确实显示了如何并行化标准嵌套定点算法。
生成的目录
这将为上述代码生成一些样本数据，以便用户理解数据的格式。
2021-08-03 13:58:47
7KB
1
AWS Foundation上的视频点播
如何利用AWS Lambda，AWS Elemental MediaConvert，Amazon s3和Amazon CloudWatch在AWS上实施视频点播工作流。 解决方案源代码。
架构概述
AWS CloudFormation模板部署了一个工作流程，该工作流程将摄取源视频，将视频转码为多种自适应比特率格式（ABR），然后通过Amazon CloudFront交付内容。 该解决方案创建了一个源Amazon S3存储桶来存储源视频文件，并创建一个目标存储桶来存储AWS Elemental MediaConvert的输出。 用于定义MediaConvert编码设置的job-settings.json文件已上传到源S3存储桶。
该解决方案包括两个AWS lambda函数：一个工作提交功能，用于在MediaConvert中创建编码工作；一个工作完
2021-07-05 10:53:02
177KB
1
您是否想过一年中什么时候预定酒店房间？还是为了获得最佳每日房价而获得的最佳停留时间？如果您想预测酒店是否可能收到过多的特殊要求，该怎么办？
该酒店预订数据集可以帮助您探索这些问题！
hotel_bookings.csv
2021-06-09 18:02:28
1.21MB
1
Guaranteeing Heterogeneous Bandwidth Demand in Multi-tenant Data Center Networks
2021-02-09 09:07:10
1.25MB
1
CustomCut: On-demand extraction of customized 3D parts with 2D sketches
2021-02-07 12:05:20
1.37MB
1