可用于进行序列预测的一维数据集，取自某支股票的某时间段内的价格。

使用集成学习模型xgboost、lightGBM、Catboost以及深度学习模型LSTM预测目标变量（因子），通过丰富的EDA、数据预处理、特征工程、特征选择、参数调优、模型对比分析、可视化分析（箱图、密度图、pair plot、）等步骤来进行整体的合理评估和分析。

SIR_LSTM 同时具有SIR变体和LSTM模型的混合模型，用于Covid-19预测。 不确定性量化工具箱：Chung，Youngseog和Neiswanger，Willie和Char，Ian和Schneider，Jeff（2020），超越弹球损失：用于校准不确定性量化的分位数方法 CovsirPhy开发团队（2020），CovsirPhy，用于使用SIR派生的ODE模型进行COVID-19分析的Python软件包，

目前深度学习模型不能较好地把监控视频中跌倒行为的空间和时序特征有效结合起来。为此，提出基于CNN和LSTM(混合模型的人体跌倒行为识别方法

使用matlab实现LSTM、RNN神经网络结构,简单易学.代码详细,入门必看.重磅推荐!(仅供个人学习使用)

matlab代码、使用LSTM进行时间序列预测案例

matlab深度学习工具箱之LSTM， 采用历史序列进行预测， MATLAB应用实例 直接采用工具箱进行序列预测

使用pytorch框架自定义了一个LSTM结构，压缩文件包含两个文件，一个是modules.py是编写的自定义LSTM结构，IMDB.py文件是使用modules.py里自定义的LSTM结构搭建的网络模型。pytorch自定义多层双向LSTM结构的程序详解可以参考这篇博客：https://blog.csdn.net/kuan__/article/details/114652053

对于航空发动机寿命预测问题，它的难点在于特征数数多，而且特征也是传感器所收集到的数据，传感器一般带有噪声，会造成拟合过程中的不准确性，设计一个多变量输入，单变量输出的预测模型，而RNN（循环神经网络）是一类以序列数据为输入，在序列演进方向进行递归且所有节点循环单元都按照链式连接的递归神经网络，它非常适合用作发动机寿命的预测模型，一方面，发动机数据具有时间信息，另一方面，单纯的RNN在处理数据时存在梯度消失问题。所以我们在RNN中引入LSTM（长短期记忆单元），这样可以很好解决上述两个问题

tensorflow的