线性回归预测波士顿房屋价格（使用 scikit-learn 和 XGBoost 两种方式），并进行了对比分析。 # 使用 scikit-learn 和 XGBoost 两种线性回归方式实现波士顿房屋价格预测 # 波士顿房屋价格 包含506个样本、13个特征指标 # XGBoost是一套提升树可扩展的机器学习系统，也可以实现线性回归 # 使用XGBoost时，需将数据转化为DMatrix格式，否则会出现错误 # 使用评估指标判断 scikit-learn 和 XGBoost 两种线性回归方式实现波士顿房屋价格预测方式的优劣

变压器冷却油中溶解气体故障诊断模型（数据+代码），其中包含变压器冷却油中溶解气体数据和神经网络模型代码，实现变压器故障的智能诊断。

matlab精度检验代码 DiagnosisDL2TF 使用TensorFlow建立简单的轴承故障诊断模型 1、数据来源及介绍 轴承、轴、齿轮是旋转机械重要组成部分，为了验证深度学习在旋转装备故障分类识别的有效性，本文选取凯斯西储大学轴承数据库(Case Western Reserve University, CWRU)[9]为验证数据。CWRU实验装置如图 4‑1所示。轴承通过电火花加工设置成四种尺寸的故障直径，分别为0.007、0.014、0.021、0.028英寸。实验中使用加速度传感器采集振动信号，传感器分别被放置在电机驱动端与风扇端。由于驱动端采集到的振动信号数据全面，并且收到其他部件和环境噪声的干扰较少，因此本文选取驱动端采集的振动信号作为实验数据。实验数据包括4种轴承状态下采集到的振动信号，分别为正常状态（Normal，N）、滚珠故障状态（Ball Fault，BF）、外圈故障状态（Outer Race Fault，ORF）以及内圈故障状态（Inner Race Fault，IRF），每种状态下采集到的信号又按照故障直径与负载的大小进行分类，其中故障直径分别为0.007、

供应链管理分析诊断模型

关于NeuralCD这篇论文，主要是提出了一种通用神经认知诊断(NeuralCD)框架，该框架结合神经网络来学习学生和练习因素向量之间的复杂交互作用 借鉴教育心理学的单调性假设，保证了因素向量的可解释性。 根据真实数据集上的大量实验结果表明，NeuralCD框架具有较高的准确度和可解释性。

贝叶斯网络故障诊断模型解耦方法的探讨，钟文奇，张三同，复杂系统贝叶斯网络故障诊断模型因节点多、耦合关系复杂，具有推理诊断效率低，诊断结果解释能力差等缺点。引进解耦思想，过对三

本模型使用NSL-KDD数据集，对数据集进行随机数特征分析后，选取具有代表性的25个特征采用CNN模型进行工业故障诊断。

基于改进Elman神经网络的故障诊断模型研究.pdf

基于深度学习的故障诊断模型代码和数据

通过有向无环图多分类算法构造振动故障诊断模型的方法,同时基于Lab VIEW虚拟仪器开发平台设计了旋转机械振动故障在线诊断系统,并对相关硬件设备进行了选取研究。通过转子试验台模拟旋转机械运行故障,利用该系统对机械正常状态及故障状态进行诊断,取得了较好的诊断结果,验证了系统的可靠性。