流行性感冒是一种传染性疾病，传播Swift而广泛。 流感的爆发给社会带来了巨大的损失。 本文设置了流感关键词的四个主要类别，即“预防阶段”，“症状阶段”，“治疗阶段”和“常用短语”。 使用Python网络爬虫从国家流感中心的流感监测每周报告和百度索引中获取相关的流感数据。 通过机器学习建立支持向量回归（SVR），最小绝对收缩和选择算子（LASSO），卷积神经网络（CNN）预测模型，并考虑了流感的季节性特征，还建立了时间序列模型（ARMA） ）。 结果表明，基于网络搜索数据预测流感是可行的。 机器学习在基于Web搜索数据的流感预测中显示出一定的预测效果。 今后它将在流感预测中具有一定的参考价值。 ARMA（3,0）模型可预测更好的结果并具有更大的概括性。 最后，给出了本文的研究不足和今后的研究方向。

【预测模型】卡尔曼滤波运动轨迹预测【含Matlab源码 590期】.zip

SalaryPrediction:这是使用线性回归的薪资预测模型

利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码。 实现功能： 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，加权与投票融合 利用flask + redis实现模型云端api部署（tag v1） c++ libtorch的模型部署 使用tta测试时增强进行预测（tag v1） 添加label smooth的pytorch实现（标签平滑）（tag v1） 添加使用cnn提取特征，并使用SVM，RF，MLP，KNN等分类器进行分类（tag v1）。 可视化特征层。 转载：https://github.com/lxztju/pytorch_classification

【预测模型】灰色理论GM模型地区PM2.5预测【含Matlab源码 499期】.zip

5.固定效应变系数模型（OLS法） 模型形式为 其中：ai为29个省市的自发消费倾向，bi为边际消费倾向，两者用来反映省市间的消费结构差异。 EViews估计方法：在Common coefficients（系数相同）选择窗保持空白；在Cross section specific coefficients（截面系数不同）选择窗填入YD?；在Intercept（截距项）选择窗中选Fixed effects；其余选项同上。固定影响变系数模型输出结果如表11.5.10。 表11.5.10 固定影响变系数模型估计结果

为解决泊位占有率的预测精度随步长增加而下降的问题，提出了一种基于注意力机制的泊位占有率预测模型。通过卷积神经网络获得多变量的时间模式信息作为模型的注意力机制。通过对模型训练、学习特征信息，并对相关性高的序列分配较大的学习权重，来实现解码器输出高度相关的有用特征预测目标序列。应用多个停车场数据集对模型进行测试，测试结果及对比分析表明，所提模型在步长达到 36 时对泊位占有率的预测数据能较好地估计真实值，预测精度和稳定性相比LSTM均有提高。

临床预测模型从入门到精通 ppt 课件 代码包及文献资料

通过研究电力负荷预测中支持向量机的参数优化问题，将改进后新的粒子群算法导入支持向量机参数中，从而建立一种新的电力负荷预测模型（IPSO-SVM）。首先将支持向量机参数编码为粒子初始位置向量，然后通过对粒子个体之间信息交流、协作的分析找到支持向量机的最优参数，并针对标准粒子群算法的缺陷进行一定的改进，从而应用于电力负荷的建模与预测，最后通过仿真对比实验来测试它的性能。实验结果表明，这种新的电力负荷预测模型能够获得较高精度的电力负荷预测结果，大大减少了训练时间，能够满足电力负荷在线预测要求。

1. 构建了新的个人信用评估指标体系 2. 采用众数插补法对人口特征缺失数据进行插补 3. 使用聚类分析和分层抽样方法平衡样本数据 4. 使用Lasso-Log