交通流量预测项目 model 模型包 目前主要的用于执行预测的模型都存储在此仓库中，主要包含一下的类型 SVR及GA_SVR LSSVR及GA_LSSVR KNN_GA_LSSVM BP及BP_GA plot 绘图包 目前主要用于指定需要绘制的对象图表，以及对于数据图表的布局指定。 Line 线型图 Wireframe 线框图 data 数据包 目前主要用于指定数据处理的pipe流程，用于实现对于数据流程的预处理，以及输出等。 lib 基础库 构建程序所需的基础构件，包含但不限于程序元类包、程序类的基础原型、部分算法原型。 tasks 库 支撑了基础库中的任务执行流程，主要用于执行任务 列出可执行任务 python -m tasks list 执行任务操作 python -m tasks start ... 绘制图表 绘制流量预测

代码和原始数据 该模型由R编写，R是一种简洁的编程语言。 历史^ HSI数据可从下载。 培训数据涵盖了2010年1月5日至2021年1月29日。 测试数据从2021-01-29开始。 查看有关报告 我的电子邮件：

二手车价格预测得分：91％ 数据清理，数据可视化，数据预处理，ML模型（LR，DT，RF，GBR，KNN，SVM，XGBR，TENSORFLOW），PCA，LDA，度量标准（R Square，MSE，RMSE，MAE）

使用特征处理后的数据训练机器学习算法得到训练后的模型，然后将模型保存下来，用于以后的房价预测。

pure-predict：纯Python中的机器学习预测

GCN_predict-Pytorch 交通流量预测。 用PyTorch实现图卷积网络（GCN，GAT，Chebnet） 要求： -火炬 -脾气暴躁 -熊猫 -Matplotlib 数据集示例： 数据集由Caltrans绩效评估系统（PEMS-04）收集 数量：307个探测器 日期：2018年1月至2月（2018.1.1——2018.2.28） 特色：流动，占据，速度。 探索数据分析： 1，具有流量，占用和速度三个特点，一是对数据分布进行可视化分析 2.运行代码：python data_view.py 3）每个节点（检测器）都有三个特征，但是两个特征的数据分布基本上是固定的，因此我们只采用一维特征。 读取数据集： 在traffic_dataset.py文件中，get_adjacent_matrix和get_flow_data函数用于读取相邻的矩阵和流数据。 模型训练： 在tra

Matlab代码考克斯预测神经母细胞瘤总体生存的转移机制模型 此代码生成该论文中报告的结果和数字： Benzekry，S.，Sentis，C.，Coze，C.，Tessonnier，L.，＆André，N.（2020年）。 使用转移的机械模型开发和验证高危神经母细胞瘤总体存活率的预测模型。 JCO：《临床癌症信息学》，第5卷，第81-90页。 具体来说，该代码由python和matlab脚本以及jupyter笔记本（在python和R中）组成，并执行： 总体生存和无进展生存的预后因素的统计分析（Kaplan-Meier，对数秩，Cox回归） code/statistical_analysis.ipynb 结果导出到statistical_analysis/ 转移机制模型的仿真 code/main_simulate.m 诊断时根据定量临床数据对模型参数进行校准：原发肿瘤大小，乳酸脱氢酶（LDH）和核显像的SIOPEN评分 code/mechanistic.ipynb 结果以mechanistic/导出mechanistic/ 评估基于特定患者的Cox回归模型对整体生存的预测能力 code

微博预测 通过组织实验室

机器学习基础sklearn代码

"# predict_aqi" ##空气质量指数预测： 1. spider_city.py 爬虫爬去北京空气质量指数数据 2. train.py 训练数据 (使用线性回归模型) ，并保存模型 3. predict.py 加载模型并预测 4. 加载数据并将数据预处理. #data "# predict_aqi"