一本介绍贝叶斯网络结构学习中，依赖性分析方法的英文书籍。

二手车价格预测

网球预测 实施论文“机器学习预测职业网球比赛”（Sipko，2015年）。 计划 首先，我们需要数据，即有关锦标赛（仅ATP），球员和比赛的信息，以及每项的详细统计信息。 最好的来源是Oncourt数据库，您可以从他们的网站下载该数据库。 否则，您可以使用JeffSackmann的数据，该数据非常好，但缺少赢家，无人为错误，净进场和发球速度。 关于投注数据，我们使用tennis-data.co.uk提供的赔率。 接下来，我们需要解析数据； 换句话说，我们将.csv文件读入程序，并将数据存储在一些自定义类中（ Tournament ， Player ， Match ， Set ， Statistics ）。 在程序中获取数据后，现在我们需要产生所需的功能。 在此步骤中，我们遵循了该论文，该论文基本上建议为每个玩家取两个按时间和表面加权的平均值，然后减去它们。 我们还实现了常见的对手模型。

该caffe.model适用于opencv入门学习中的实验教程，主要完成性别和年龄的预测，下面是参考教程：https://blog.csdn.net/Haiqiang1995/article/details/90113486

乳腺癌预测 使用各种公共数据集和深度学习技术预测癌症

足球/足球运动员的价格预测，参加每个欧洲，亚洲或美国联赛的球员的数据/价格。

多类别心脏疾病预测 使用ANN进行多个类别的心脏病预测

说明： 使用三种图卷积做一个简单的交通流量预测模型。 我所用的环境： PyTorch=1.4.0 torchvision=0.5.0 cudatoolkit=10.1 cudnn=7.6.3 若哪里不足请指出来，共同学习。

生存卷积模型用于COVID-19预测 冠状病毒疾病COVID-19已在世界范围内引发了重大的健康危机。 必须预测该疾病的流行，调查遏制和缓解措施对感染率的影响，并在国家之间进行比较。 用于传染病建模的现有方法是SEIR模型，该模型依赖于许多不可测的先前假设（例如，拟合过去的流感数据），并且在较宽的预测间隔内不可靠。 我们开发了一个健壮的生存-卷积模型，该模型具有很少的参数，其中包含未知患者零日期，潜伏潜伏期和随时间变化的繁殖数。 标题： 作者：王勤霞a ，谢尚宏a ，袁家佳a ，曾冬林b 机构： 美国纽约，哥伦比亚大学，梅尔曼公共卫生学院，生物统计学系 北卡罗来纳大学吉林斯公共卫生学院生物统计学系，美国北卡罗来纳州查帕尔希尔 通讯人：博士（ ）和曾（ ） ：王Q，谢S，王Y，曾D（2020）。 生存卷积模型预测COVID-19病例并评估缓解策略的效果。 公共卫生前沿8（20

股票价格预测 目录 介绍 该项目是我对Udacity的数据科学家纳米学位计划的基本项目。 我们将实现两种机器学习算法（移动平均值和LSTM）来预测公司的未来股价。 然后，我们从这两种算法中选择最佳算法来开发自己的股价预测指标。 该项目包括Python脚本，交易者可以在其中输入历史股票价格数据以获得训练有素的LSTM模型。 然后，可以使用经过训练的模型来预测未来的股票价格。 该项目随附的博客文章 档案说明 股票价格预测.ipynb-用于股票价格预测的Jupyter笔记本。 train.py-借出历史股价数据并训练LSTM模型的Python脚本。 Forecastor.py-用于借出历史股价数据和将来预测股价的Python脚本。 文件夹：数据 排爆INTC.csv -历史股价数据从 。 文件夹：型号 model.pkl-腌制文件中经过训练的LSTM模型。 scaler.gz-保存在存档文