视频讲解|Python图神经网络GNN原理与应用探索交通数据预测
在数据科学的浩瀚宇宙中，我们如同孜孜不倦的探索者，不断追寻着更高效、精准的数据分析方法。从数据科学家的视角看，数据不仅是一串串数字，更是蕴含着巨大价值的宝藏，等待我们用合适的工具去挖掘。
Tag Archives: python
专题|LSTM-XGBoost，ARMA-LSTM，LDA-LSTM黄金比特币价格混合预测，蔬菜包发放时空协同调配，知乎综艺评论情感时序洞察
在数字化浪潮席卷各行各业的当下，数据已成为驱动决策的核心要素。
高维变量选择专题|R、Python用HOLP、Lasso、SCAD、PCR、ElasticNet实例合集分析企业财务、糖尿病、基因数据
本专题合集聚焦高维数据场景下的稀疏建模与变量选择，通过 R 语言与 Python 双平台技术栈，系统解析企业财务分析与基因数据挖掘两大领域的核心方法论。
Python基于SVM和RankGauss的低消费指数构建模型
校园的温情关怀是智慧校园的一项重要内容。
Python、MATLAB股票投资：ARIMA模型最优的选股方案和投资组合方案与预测
基于当前统计的股票数据选择最优的选股方案和投资组合方案，以及预测股票价格未来一段时间的走向趋势以及波动程度，具有很大的实用价值
Python代做：CSC411 Digit Classification
In this assignment, you will compare the characteristics and performance of different classifiers,
Python辅导代码编写：COMP1001 More Text Processing
用Python的一个优势便是十分适合Text processing，由于Python内建了许多函数，对于文字、字符的处理十分便捷
Python编程辅导： CSC120H Simulating Canadian Elections
高大上的Elections，特别是在大选中，投票往往会采用电子选箱，也就是智能选举系统。
Python代码编写：CSC108H Tic-Tac-Toe
Tic-tac-toe is a two-player game that children often play to pass the time.
数据分享|基于Python、Hadoop零售交易数据的Spark数据处理与Echarts可视化分析
案例数据集是在线零售业务的交易数据，采用Python为编程语言，采用Hadoop存储数据，采用Spark对数据进行处理分析，并使用Echarts做数据可视化。
Python用NLP自然语言处理LSTM神经网络Twitter推特灾难文本数据、词云可视化与SVM，KNN，多层感知器，朴素贝叶斯，随机森林，GBDT对比
Twitter是一家美国社交网络及微博客服务的网站，致力于服务公众对话。
Python用RNN神经网络LSTM优化EMD经验模态分解交易策略的股票价格MACD分析
预测股票价格，并在合适的时间产生交易策略实现收益，一直是一个热门的问题，到现在为止也提出了很多预测方法。
R语言和Python对copula模型Gaussian、t、Clayton 和Gumbel族可视化理论概念和文献计量使用情况
本文包含一些直观的示例来说明 copula 理论的核心概念。
Python用KShape对时间序列进行聚类和肘方法确定最优聚类数k可视化
时序数据的聚类方法
Python支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例
支持向量回归（SVR）是一种回归算法，它应用支持向量机（SVM）的类似技术进行回归分析。
Python配对交易策略Pairs Trading统计套利量化交易分析股票市场
最近我们被客户要求撰写关于量化交易的研究报告。
Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用。
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集
在这篇文章中，我们讨论了基于gensim 包来可视化主题模型 (LDA) 的输出和结果的技术 。
Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列
在量化金融中，我们学习了各种时间序列分析技术以及如何使用它们。
Python用Beta先验分布推断概率，贝叶斯推断计算和可视化案例
在这篇文章中，我将扩展从数据推断概率的示例，考虑 0 和 1之间的所有（连续）值，而不是考虑一组离散的候选概率。
Python用T-SNE非线性降维技术拟合和可视化高维数据iris鸢尾花、MNIST 数据
T-distributed Stochastic Neighbor Embedding (T-SNE) 是一种可视化高维数据的工具。
Python在线零售数据关联规则挖掘Apriori算法数据可视化
关联规则学习 在机器学习中用于发现变量之间的有趣关系。
Python面板时间序列数据预测：格兰杰因果关系检验Granger causality test药品销售实例与可视化
时间序列是以固定时间_区间_记录的观察序列。
python用支持向量机回归(SVR)模型分析用电量预测电力消费
本文描述了训练支持向量回归模型的过程，该模型用于预测基于几个天气变量、一天中的某个小时、以及这一天是周末/假日/在家工作日还是普通工作日的用电量。
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测。
python中的copula：Frank、Clayton和Gumbel copula模型估计与可视化
简单地说，copulas是具有均匀边际的联合分布函数。
Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化
我们可以很容易地用Keras序列模型拟合回归数据并预测测试数据。
【视频讲解】Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
最近我们被客户要求撰写关于使用长短期记忆网络（LSTM）来拟合一个不稳定的时间序列的研究报告。
Python中LARS和Lasso回归之最小角算法Lars分析波士顿住房数据实例
回归算法最小角回归（LARS）通过高维数据的线性组合提供变量。
Python中用Prophet模型对天气时间序列进行预测与异常检测
基本的Prophet模型是一个可分解的单变量时间序列模型，结合了趋势、季节性和节假日效应。
【视频讲解】Python和R语言使用指数加权平均(EWMA)，ARIMA自回归移动平均模型预测时间序列
本文学习创建时间序列预测的步骤，关注Dickey-Fuller检验、指数加权平均(EWMA)和ARIMA（自回归移动平均）模型，从理论上学习这些概念以及它们在python和R中的实现。
Python用ARIMA和SARIMA模型预测销量时间序列数据
最近我们被客户要求撰写关于预测销量时间序列的研究报告。指数平滑模型是基于对数据趋势和季节性的描述，而ARIMA模型则是为了描述数据的自相关性。
Python | ARIMA时间序列预测模型
时间序列 被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
预测股价已经受到了投资者，政府，企业和学者广泛的关注。然而，数据的非线性和非平稳性使得开发预测模型成为一项复杂而具有挑战性的任务。
ARIMA模型预测CO2浓度时间序列-python实现
时间序列为预测未来数据提供了方法。根据先前的值，时间序列可用于预测经济，天气的趋势。
Python中的Lasso回归之最小角算法LARS
假设我们期望因变量由潜在协变量子集的线性组合确定。
使用Python中Keras的LSTM递归神经网络进行时间序列预测
最近我们被客户要求撰写关于时间序列预测的研究报告。时间序列预测问题是预测建模问题中的一种困难类型。
在Python和R中使用交叉验证方法提高模型性能
模型表现差异很大的可能原因是什么？换句话说，为什么在别人评估我们的模型时会失去稳定性？
Python计算股票投资组合的风险价值（VaR）
风险价值（VaR）用于尝试量化指定时间范围内公司或投资组合中的财务风险水平。VaR提供了一段时间内投资组合的最大损失的估计，您可以在各种置信度水平上进行计算。
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
在数据科学学习之旅中，我经常处理日常工作中的时间序列数据集，并据此做出预测。
Python安装TensorFlow 2、tf.keras和深度学习模型的定义
深度学习的预测建模是现代开发人员需要了解的一项技能。
Python中基于网格搜索算法优化的深度学习模型分析糖尿病数据
在本教程中，我们将讨论一种非常强大的优化（或自动化）算法，即网格搜索算法。
scrapy爬虫框架和selenium的使用：对优惠券推荐网站数据LDA文本挖掘
Groupon是一个优惠券推荐服务，您可以免费注册Groupon。
Python贝叶斯回归分析住房负担能力数据集
我想研究如何使用pymc3在贝叶斯框架内进行线性回归。根据从数据中学到的知识进行推断。
python中使用马尔可夫决策过程(MDP)动态编程来解决最短路径强化学习问题
在强化学习中，我们有兴趣确定一种最大化获取奖励的策略。假设环境是马尔可夫决策过程 （MDP）的理想模型 ，我们可以应用动态编程方法来解决强化学习问题。
python机器学习：推荐系统实现（以矩阵分解来协同过滤）
用户和产品的潜在特征编写推荐系统矩阵分解工作原理使用潜在表征来找到类似的产品。
python中使用scikit-learn和pandas决策树进行iris鸢尾花数据分类建模和交叉验证
最近我们被客户要求撰写关于决策树分类的研究报告。将使用著名的iris数据集，该数据集对各种不同的iris类型进行各种测量。
用Python进行图像模糊处理和特征提取
特征提取。但是这里我们需要更深入的数据清理。数据清理是在数据集，表格，文本等上完成的。如何在图像上完成？
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
最近我们被客户要求撰写关于开发具有多个输出的文本分类模型的研究报告。
python爬虫进行Web抓取LDA主题语义数据分析
从网站提取数据的方法称为网络抓取。
Python使用神经网络进行简单文本分类
深度学习无处不在。在本文中，我们将使用Keras进行文本分类。
在Python中自然语言处理生成词云WordCloud
在Python中自然语言处理生成词云WordCloud
使用Python中的ImageAI进行对象检测
在本文中，您将看到如何在Python中执行对象检测。
适用于NLP自然语言处理的Python：使用Facebook FastText库
在本文中，我们将研究FastText，它是用于单词嵌入和文本分类的另一个极其有用的模块。
python在Keras中使用LSTM解决序列问题
时间序列预测是指我们必须根据时间相关的输入来预测结果的问题类型。
用于NLP的Python：使用Keras进行深度学习文本生成
深度学习技术已用于各种文本生成任务，例如写作诗歌，生成电影脚本甚至创作音乐。
用Python的Numpy求解线性方程组
在本文中，您将看到如何使用Python的Numpy库解决线性方程组。
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
在本文中，我们将看到如何创建语言翻译模型，这也是神经机器翻译的非常著名的应用。
使用Python和Keras进行主成分分析、神经网络构建图像重建的自动编码器
如今，几乎我们使用的每个应用程序中都有大量数据- 听音乐， 浏览朋友的图像，或者 观看新的预告片
python使用Flask，Redis和Celery的异步任务
随着Web应用程序的发展和使用的增加，用例也变得多样化。
在Python中使用LSTM和PyTorch进行时间序列预测
诸如长期短期记忆网络（LSTM）之类的高级深度学习模型能够捕获时间序列数据中的模式，因此可用于对数据的未来趋势进行预测。
R、Python、Open Refine采集pdf数据，清理数据和格式化数据
R、Python、Open Refine采集pdf数据，清理数据和格式化数据
Python中的Apriori关联算法-市场购物篮分析
数据科学Apriori算法是一种数据挖掘技术，用于挖掘频繁项集和相关的关联规则。
R和Python机器学习:广义线性回归glm，样条glm，梯度增强，随机森林和深度学习模型分析
使用R和Python进行分析的主要好处之一是，它们充满活力的开源生态系统中总是有新的和免费提供的服务。
用Prophet在Python中进行时间序列预测
用Prophet在Python中进行时间序列预测
使用python进行贝叶斯统计分析
本文讲解了使用PyMC3进行基本的贝叶斯统计分析过程。
- 1
- 2
