探索NASA涡轮风扇数据集 此回购包含笔记本，其中包含有关NASA涡轮风扇降级数据集[2]上一小部分博客文章[1]的信息。 涡轮风扇数据集包括难度增加的4个独立挑战。 发动机在一开始就正常运行，但随着时间的流逝会出现故障。 对于每个挑战，列车中的引擎都会运行至故障。 测试集中的时间序列在失败之前“有时”结束。 目的是预测测试集中每个涡扇发动机的剩余使用寿命（RUL）。 请参阅下表以简要了解这些挑战。 数据集 运行条件 故障模式 火车尺寸（引擎数） 测试尺寸（发动机数量） FD001 1个 1个 100 100 FD002 6 1个 260 259 FD003 1个 2个 100 100 FD004 6 2个 248 249 笔记本用于浏览数据集并尝试各种建模技术（机器学习和神经网络）。 有关模型开发过程中所做的技术和选择的完整说明，我建议阅读博客文章[1]

发现之前已为我们提供了很棒的ISLR python版本 带有Python的ISLR R（ISLR）中的统计学习简介으Python으로 슬라이드나가자료 1장-简介 인공지능，머신러닝，데이터사이언스，예측분석을... 2장-统计学习 监督学习소개 3장-线性回归 statsmodel패키지사용하여 scikit-learn의OLS估计器사용하여 4장-分类 Logistic回归：scikit-learn estimator统计模型라이브러리사용하여， KNN回归分类：scikit-learn estimator사용하여， 回归指标（评估指标）：MAE，MSE，RMSE 分类器평가

汽车自动驾驶 MPC 模型预测控制 实例文件 详细附说明 汽车自动驾驶 MPC 模型预测控制 实例文件 详细附说明 汽车自动驾驶 MPC 模型预测控制 实例文件 详细附说明

神经网络在模型预测控制中的应用，除此之外，侧重于计算的效率的分析

学习基于状态空间的模型预测控制强烈推荐的一本书，书中提供m语言源代码

国外人编写的模型预测控制，内容非常的翔实，而且专门介绍了在matlab下进行模型预测控制的实现。

预测工资 分类模型预测工资水平 待办事项： 类平衡（分层，训练和测试集，无分数硬编码） PABLO完成 xgboosta，randomForest和Logistic回归（Gridsearch，Randomsearch）超参数PABLO完成，但没有xgboosta 选择最好的一个转型（grouping_countries，grouping_marital，grouping_ethnic，grouping_education） PABLO完成 来自变量的多项式以获得更好的结果（sklearn.preprocessing.PolynomialFeatures） TOMASZEK 生成依赖关系图，例如精度与参数值的关系，aoc，roc，可能是具有里程碑1/2（eda） MATI TOMUŚ矩阵TOMUŚ 报告:) MATI 准备好的代码，具有最佳效果（从头到尾） PABLO todo

基于状态空间模型的模型预测控制，matlab平台实现。

从数据中学习动力系统 神经网络动力学，用于基于模型的深度强化学习，且无模型精调

老外写的模型预测控制理论计算和设计，包括建模、确定性系统模型预测控制、鲁棒和随机模型预测控制、状态估计、输出模型预测控制、分布式模型预测控制、有约束线性系统的显示控制率和数值最优控制。全书理论性比较强，使用的数学知识比较多，适合于理论研究和工程参考。