该资源是多元回归分析的案例，包含数据生成、模型建立、变量选择、相关性分析等等。配套的讲解资源是适合新手学习：https://blog.csdn.net/weixin_46111814/article/details/105673197

With the in-depth development of "Internet +,“ the online review platform has been very popular in the past several years. The largest crowdsourced local business online review platform — Dazhong Dianping plays an essential role in people's daily lives. In restaurant industry, people prefer seeking attentive restaurants or services through online platforms and then experiencing services offline. So, the rating score and online reviews have significant impact on customer decisions.

灰狼算法优化lstm进行回归预测，内置数据集，全中文注释，可以在matlab2019或者更高版本上直接运行。

评分卡数据集rankingcard.csv 逻辑回归 制作评分卡时用到的数据

内容主要做了数据的前期处理，包括数据的预处理、数据填充、数据标准化。然后将处理后的数据进行了逻辑数据回归分类，最终使用roc曲线来评估模型的好坏程度。 适合于目前学习机器学习中数据分析于挖掘这一类的同学观看，如果需要数据，请关注并且私信我，最终可以在本程序上举一反三，完成对机器学习逻辑回归算法方向的学习。

结合刘房子矿业有限公司一井工程实际,介绍了回归方程在矿井通风阻力测定数据分析中的应用情况。根据对测定结果的分析,提出了该矿井通风系统改进建议。实践表明,运用数理统计中的回归方程来处理通风阻力测定数据,比经验公式提高了精度,计算结果更加准确。

为了实现更加稳健和精准的门诊量预测，构建了一种基于SARIMA-LSTM的门诊量预测模型。该方法首先使用SARIMA模型对门诊量进行单指标建模，提取门诊量指标蕴含的周期、趋势等信息，然后构建了以节日天数、法定上班天数、平均最高气温等多个相关指标为输入的多对一LSTM模型，对SARIMA模型残差进行进一步学习，实现残差与多个变量间的非线性关系抽取。实证结果表明，构建SARIMA-LSTM混合模型相较5种主流预测方法具有更高的一步预测精度，具有较好的实际应用价值。

利用高斯过程回归建立软测量模型，主程序名为OnlineStage.m,包含数据，可以直接运行，亲测可用。

汽车价格预测-高度线性预测项目：一种线性回归模型，用于预测美国市场的汽车价格，以帮助新进入者了解美国汽车行业的重要定价变量。 高度全面的分析，详细说明所有步骤； 数据清理，探索，可视化，特征选择，模型构建，评估和MLR假设有效性

该工具箱使用简单的界面实现了用于回归和分类的极限学习机 (ELM)。 只需一行代码，就可以训练 ELM 模型。 另一行用于在新数据上测试模型。 此实现还包括添加来自 RVFL 的功能链接的选项，这会在输入和输出之间创建额外的连接。