电力系统负荷及价格预测专业MATLAB程序，包含对北美电力市场的电力数据进行的一系列数据挖掘工作，程序代码实用，注释详细，包含多种预测算法，极具学习价值！ Electricity Load and Price Forecasting with MATLAB® Step 1: Access Historical Data Interactively import, visualize and explore data Auto-generate MATLAB codeStep 2: Select & Calibrate Model Leverage numerous built-in functions Focus on modeling not programming Capture as-you-go and automate the processStep3: Run Model Live Royalty-free deployment Point-and-clickworkflow
2021-04-23 17:14:21
11.89MB
1
通过PHP和JavaScript调用Mysql数据库来实现，商品销量、价格的升序、降序来筛选商品信息，以及JavaScript function的使用。
2021-04-22 12:45:17
47KB
1
20210419-中金公司-建材行业追“宗”系列：大宗投资前瞻，需求向好支撑铜铝价格，建材景气度持续上行.pdf
2021-04-21 09:03:47
1.49MB
20210420-申万宏源-保险行业中小险企新重疾定义产品观察与分析：重疾产品“价格战”回眸与展望.pdf
2021-04-21 09:03:41
1.43MB
比特币价值预测器
抽象：
该项目试图通过识别社交媒体情绪与市场情绪之间的相关性来预测比特币的未来价值。 我们将通过收集来自Twitter，Facebook和linkedin等社交媒体的用户供稿来实现这一目标。 有了语料库后，我们将使用IBM Watson的自然语言理解API来映射它们的关联情绪。 在将情感映射到我们的语料库时，我们尝试捕获粒度级别的类别，即欢乐，愤怒，幸福等。我们将这些类别用作ML / DL算法的特征向量。 然后，我们比较不同算法的结果，并选择精度最高的算法。
技术：
编程语言：Python，Java
大数据技术：Spark ML，Spark-SQL，Hadoop Mapreduce
图书馆：熊猫，Matplotlib，Scikit学习，TensorFlow，Keras
数据源：
Twitter Api获得有关比特币/加密货币的推文。
LinkedIn Api可以在博客上获得语料库。
Web Scraping从新闻文章获取数据。
与数据的Dropbox链接：
参考文献：
J. Bollen和H. Mao。 Twitter情绪是股市预测指标。 IEEE
2021-04-20 09:45:40
455KB
1
预测股票市场价格
预测股票价格-线性回归vs随机森林对于这个项目，我使用了包含指数价格的csv文件。 文件中的每一行都包含1950年至2015年间S＆P500指数价格的每日记录。数据集存储在sphist.csv中。
数据集的列为：
日期-记录的日期。 开盘价-当日（交易开始时）的开盘价。 高-白天的最高交易价格。 低-白天的最低交易价格。 收盘价-当日（交易完成时）的收盘价。 交易量-交易的股票数量。 收市价调整-每日收市价，追溯调整以包括任何公司行为。 在这里阅读更多。
我将使用该数据集来开发利用线性回归和随机森林算法的预测模型。
2021-04-19 20:22:31
298KB
1