医疗保险费用预测器 该项目预测个人的医疗保险费用。 该模型通过考虑人的年龄，性别，bmi，孩子的数量以及个人是否吸烟来预测成本。 为什么使用此数据集？ 我选择此数据集是因为预测个人的医疗保险费用将帮助保险公司选择价格，银行相应地发放贷款，并且，个人将了解有关保险费用和计划其财务状况的费用因此。 使用的算法 线性回归已用于训练模型。 80％的数据集已用于训练数据集，而20％的数据已用于测试。 绘制数据后，可以看到该图是一条直线。 因此，已使用线性回归。 该模型的方差得分约为0.80。 如果模型的方差得分大于0.60，则认为它是一个好的模型。 使用的Python库 熊猫-用于查看和处理数据 matplotlib-用于绘制数据 numpy-将数据分为两部分，一部分进行训练，另一部分进行测试 sklearn-用于应用线性回归和训练模型 tkinter-制作GUI 数据集来源 该数据集取自ka

【费用预测】粒子群算法优化ELM神经网络预测费用【含Matlab源码 1378期】.zip

研究小样本情况下，GAN在复杂产品费用预测上的应用。针对小样本情况下传统神经网络难以训练、预测准确度不高的问题，采用GAN网络与CNN网络结合的方法，借助GAN判别网络强大的特征提取能力，提取出样本的浅层特征，并将特征共享给CNN预测网络。CNN预测网络与判别网络共同约束生成网络，从而训练整个神经网络，最后以CNN预测网络进行复杂产品费用预测。以导弹作为复杂产品的样例进行实验，经实验论证，GAN-CNN联合网络预测的准确性约为95%。

代码运行效果图见压缩包

Python数据分析——医疗费用预测

纽约市出租车票价预测 Kaggle竞赛建立了一个预测纽约市出租车费率的模型。