Sentiment-Analysis:情感分析系统，用于分析用户评论是积极还是消极。其中使用了逻辑回归函数，决策树，支持向量机，神经网络等不同的模型进行训练

使用机器学习预测天气 使用多项式Lo​​gistic回归，决策树，朴素贝叶斯多项式和支持向量机进行天气预报 资料集 我们的数据集如下所示，是我们从收集的 我们拥有过去30年[1988-2017]的天气数据。训练和测试集分为两个部分，其中两个类别的数据分别占70％和30％。 参数： 天 月 年 湿度（％） 最高温度（单位⁰C） 最低温度（inC） 雨量（毫米） 海平面压力（以MB为单位） 阳光（小时） 风速（结） 云（在okta中） 训练和测试模型的准确性： 模型 训练准确率（％） 测试精度（％） 逻辑回归 74.2 76.9 决策树 76.8 74.05 多项式N

c++编写的支持向量机(SVM)实现二分类 实现功能：运行后会弹出图形坐标系，左键点击能产生第一类的数据点，点击鼠标中键后可再点击左键产生第二类的数据点，再点击鼠标中键后会在坐标系中画出分类超平面

使用SVM支持向量机进行鸢尾花分类_Python实现-附件资源

电力需求总量的科学预测是经济转型阶段电力系统规划与运行的重要依据。引入融合分段二次Lagrange插值函数的新型灰色关联理论，从经济发展、产业结构、用电环境以及居民生活4个方面分析社会经济新常态指标与电力需求总量之间的相关程度，筛选出影响电力需求增长率波动的关键因素；进而以电力需求总量及相关因素为训练数据集，利用融合莱维飞行特征的改进鸽群优化算法对支持向量机的参数进行优化，建立具有最佳参数、强泛化能力的电力需求总量预测模型。基于我国某电网区域电力需求历史实测数据的算例结果表明，所建模型具有更好的优化效率和预测精度。

Matlab实现libsvm3.23包+SVM分类案例代码

基于matlab机械故障诊断教程，里面涵盖了很多程序，都可以直接用，还有模式识别，遗传算法、粒子群、支持向量机等，适合研究故障诊断方向使用

PYNQ-SVM-OpenHW-2020 我的Xilinx开放硬件2020提交的资源库，其中包括PYNQ，C ++源代码上的支持向量机演示以及用于HLS和tcl脚本的项目，以重新生成Vivado IPI覆盖模块设计。 “ DEMO”文件夹包含轻松启动和运行设计所需的所有文件-只需将内容复制到PYNQ-Z2板卡的SD卡上的文件夹中，并确保已安装2.5版或更高版本。 “ HLS PROJECTS”文件夹包含Vivado HLS项目的zip文件，可以打开这些文件，并检查设计中使用的所有IP的源代码。 “ OVERLAYS_JUPYTER_NOTEBOOKS”文件夹包含用于PYNQ-Z2和ZCU104开发板以及相关软件驱动程序的线性/ RBF SVM部署和SVM培训的所有覆盖图 “源代码”包含所有源代码文件。 “ VIVADO_PROJECTS”包含可用于在IP Integrator中重

使用财务数据构建一个多因子选股模型，在支持向量机分类上进行预测优化。选股上使用排序法对数据进行预处理，再使用支持向量机对股票收益进行分类预测，最后使用数据到分离超平面的距离进行排序，优化支持向量机的分类预测。实证中，从中证500成分股中选出股票组合，在2016年四季度到2018年一季度获得累计收益88.96%。择时策略的均线策略和通道突破策略均能有效降低波动率和回撤。还使用高频数据来降低均线策略的滞后性，波动率又得到进一步降低。本模型利用支持向量机性质提高预测精度，结合技术分析优化了策略的收益，为多因子选股和交易提供了新的研究视角。

粒子群算法优化最小二乘支持向量机的源程序