UTKFaceCNN 此回购是使用标准CNN骨干进行年龄，性别和种族预测的工作。

2021年家具配件行业市场需求分析及预测报告.docx

针对当前大学生成绩预测系统模型设计复杂、计算量大、预测准确性差、智能化程度低、受人为因素影响大等问题，提出了一种基于大数据决策树算法的学生成绩分析与预测模型。该模型将大学生成绩预测问题转换成大学生学习状态分类问题，以简化模型设计并提高大学生成绩预测的准确性；通过引入计算量较小的决策树算法，利用与成绩相关的数据实现对学生未来成绩的预测，从而提高成绩预测系统的智能性和客观性。该预测模型与传统的成绩预测方法相比，具有模型复杂度低、实现简单、智能化程度高、预测准确性及客观性强等优点。在实际成绩预测实验中，对学生成绩预测的准确率达到94%，证明了该预测模型的有效性。

对国内外天然气供求关系进行研究,预测我国2015年、2020年天然气生产能力和需求量。

初步预测代码matlab 生态工具 ECOTOOL包含用于识别，验证和预测动态模型的几种例程。 该工具箱包括各种具有可视化支持的探索性，描述性和诊断性统计工具，这些工具以易于使用的图形用户界面设计。 它还结合了复杂的自动程序来进行识别，精确的最大似然估计和离群值检测，可用于文献中提供的许多类型的模型（例如，多季节ARIMA模型，传递函数，指数平滑，不可观测的分量，VARX）。 例如，您可以通过自动识别异常值来估计指数平滑或未观察到的组件模型，这是我以前从未见过的。 您也可以运行具有两个季节（例如每日和每周）的ARIMA模型自动识别… 仅需几行代码，您就可以对时间序列进行全面的分析。 该工具箱提供了深入的文档系统和联机帮助，并且其中包含许多演示，这些演示将指导您完成时间序列建模的过程。 Matlab的ECOTOOL工具箱已发布在PLOS ONE中，您可以在其中找到一些示例以及工具箱概述（）。

信息分析：对已知信息的分析，即观察现象，并透过现象认识本质，目的是揭示规律

本文重点介绍了Adamic-Adar算法、CommonNeighbors、PreferentialAttachment等相关内容。本文来自简书，由火龙果软件Anna编辑、推荐。链接预测是图数据挖掘中的一个重要问题。链接预测旨在预测图中丢失的边,或者未来可能会出现的边。这些算法主要用于判断相邻的两个节点之间的亲密程度。通常亲密度越大的节点之间的亲密分值越高。AdamicAdar是一种基于节点之间共同邻居的亲密度测算方法。2003年由LadaAdamic和EytanAdart在predictlinksinasocialnetwork中提出的，计算亲密度的公式如下：其中N(u)是与节点u相邻的节点集

用R语言对平稳的时间序列进行分析和预测，采用的是ARMA方法

沃尔玛产品部门销售的时间序列分析和预测 项目介绍 在该项目中，我们小组根据来自的Walmart五年单位销售数据，使用四种模型对一种Walmart产品（FOODS_3_352）进行了28天单位销售预测。 首先，我们进行了基本的数据清理和可视化，并探索了销售模式。 然后，我们应用了回归模型，ETS（误差，趋势，季节性）模型，季节性ARIMA（自回归，积分，移动平均值）模型和动态回归模型来进一步分解数据并进行预测。 最后，我们基于参数RMSE评估了预测的模型性能。 所有项目文件都包含在此仓库中 使用的工具/语言： Python(pandas, numpy) ， R(forecast, ggplot, dbplyr, urca, lubricate) ， Excel 请参阅我们的最终 文件描述 1. data calendar_factors.csv包含具有清洗和准备好的日历虚拟变量的目标销

svmtrain.m文件为支持向量机训练函数，通过调用可以得到支持向量机回归模型 svmsim.m文件支持向量机预测函数，用于预测 svmmain.m为主程序 svmyiwei.m为一维测试函数主程序 svmerwei.m为二维测试函数主程序 后两者没有涉及到数据归一化，在训练样本与测试样本划分时采用随机的方法，调用了随机划分函数randseparate