基于机器学习的发债主体违约风险预测项目源码+项目说明.7z 【项目介绍】 该项目以发债企业作为研究对象，利用财务逻辑和技术手段对178个原始特征指标进行有效筛选，构建了基于多种机器学习算法的模型，对比后挑选LightGBM模型作为最终模型进行更精细化训练，最终模型关键预测指标均有比较好的效果。 Jupyter Notebook代码 【使用说明】 BondDefault文件为项目代码 基于机器学习的发债主体违约风险预测.pptx为ppt形式的项目展示

基于机器学习实现发电厂辅机故障预警系统源码+项目说明.7z 针对电厂辅机故障率高，传统的基于机理的模型预警不及时，经常误诊的问题，设计了基于机器学习的新型故障预警模型 面对三种不同的使用场景，分别设计了基于聚类和关联规则的预警模型、基于随机森林的预警模型、与基于多元高斯分布和人 工神经网络的预警模型 使用某电厂一次风机的实际数据进行验证，所设计的三种预警模型能够提前约60min发出预警，给电厂运行人员提供指导 除了以上的算法，还使用一分类、支持向量机、XGBoost算法等对数据进行了处理

基于开源URL数据字符串特征的恶意性检测项目源码+数据集+模型+项目说明.7z 从kdnuggets上收集到了带标签（good/bad）的URL数据集，共416350条，其中异常数据（bad）71556条，占比17.19%； 正常数据（good）344794条，占比82.81%。 将全体数据划分为训练集（70%），验证集（15%）和测试集（15%），并且在每个集合中均保持异常数据所占比例相同。 分类器模型 准确度（%） 精确度（%） 召回率（%） 贝叶斯 85.88 60.82 50.25 AdaBoost 92.84 86.05 69.65 随机森林 97.13 95.9 87.05 决策树 94.63 83.9 85.11 逻辑回归 90.86 83.29 58.58 梯度提升树 96.35 93.7 84.45 基于投票的分类器 97.1 92.51 90.48

一个基于机器学习的新闻标题分类系统源码+数据集+训练好的模型+项目操作说明_本科毕设项目.7z bert_base中文预训练模型训练NLPCC2017 Task2新闻标题分类数据集的句向量 【环境配置要求】 Python：3.8.13 操作系统：Windows 数据库：MySQL Web框架：Flask 模型训练：sklearn 1.Anaconda创建虚拟环境 conda create -n Graduation python=3.8 命令行切换到对应目录 2.安装第三方库 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 3.将数据导入数据库 mysql -u root -p --local-infile=1 < D:\Bachelor_Graduation\Bachelor_Graduation.sql 【备注】主要针对正在做毕设的同学和需要项目实战的机器学习、深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。

基于深度学习实现驾驶员分心驾驶行为识别项目源码+数据集+模型+项目说明.7z 附数据集下载链接，输入一张图片，输出驾驶员状态及概率 驾驶员状态识别如下 c0: 安全驾驶 c1: 右手打字 c2: 右手打电话 c3: 左手打字 c4: 左手打电话 c5: 调收音机 c6: 喝饮料 c7: 拿后面的东西 c8: 整理头发和化妆 c9: 和其他乘客说话 【使用工具】 OpenCV Matlibplot Pytorch TensorboardX 【代码介绍】 data_mean.py 统计训练图片的均值与标准差 splite_valid.py 分离验证集与训练集 visual_classes.py 浏览每个驾驶状态 visual_samples.py 浏览随机的样本 model_plot.py 利用_tensorboardX_进行模型的绘制........

基于机器学习算法实现对A股股票走势预测系统源码+数据集+项目说明.7z 数据集、源码、模型、 特征提取工程 A股股票走势预测系统

Task 1: Matlab程序实现iris数据集分类 - 工具包：libsvm。 - 4维特征空间，随机取100样本训练，50样本测试。 - 训练数据trainData，测试数据testData，训练样本真实标签 trainLabel，测试样本真实标签testLabel，测试样本预测标 签pred。 - 测试样本集accuracy-acc，混淆矩阵-C。 - 提高要求：分类结果与真实结果的可视化对比，编程实现计 算不同的分类结果评价指标。 实验一 1212 Task 2: Python程序实现iris数据集分类 - 工具包/库：sklearn.svm。 - 2维特征空间（前两维），取所有150个样本为训练 样本，取[x_min,x_max]×[y_min,y_max]所有网格 点为测试样本，查看使用不同svm时样本划分。 - 训练数据X，测试数据xx×yy，训练样本真实标签Y， 测试样本真实标签无，测试样本预测标签Z。

机器学习数据集

深度强化学习自动炒股 选取 `1002` 只股票，进行训练，共计 - 盈利： `44.5%` - 不亏不赚： `46.5%` - 亏损：`9.0%`

rbf预测数学代码机器学习 使用MATLAB的经典机器学习问题的算法 没有使用机器学习包 Scratch提供的所有自行编写的源代码。 包含的主题： - Nearest Neighbor Methods (KNN Classification/Regression) - Clustering (K-Centers, DP-Centers) - Linear Methods: - LDA and Ridge Regression - Logistic Regression (SGD) - Support Vector Machine (SSGD) - Dimensionality Reduction using PCA - Kernel for SVM & Clustering 分类 Logistic回归和随机梯度下降算法 训练数据集：3个类，R ^ 4中的功能 SGD算法在迭代中的学习进展： 具有RBF内核的Binary-SVM 培训数据集和结果决策边界： SSGD算法在迭代中的学习进展： K最近邻居算法 训练数据集： 通过KNN算法进行的预测： 聚类 K均值算法 聚类结果：K = 3