COVID-19新冠疫情预测代码（含数据集）COVID-19 prediction.zip

决策树癌症预测 使用现有数据通过决策树进行学习来预测乳腺癌的示例（scikit-learn / python） 加工 收集的数据样本已分为测试样本和训练样本。 使用scikit的决策树生成器和转换集，可用于基于ID3生成树。 然后可以将测试数据用于交叉验证生成的树的准确性。 这个小程序还生成pdf，以可视化生成的树。 注意 该程序仅用于演示/实验目的。 以下是依赖项 python numpy scipy scikit-学习pydotplus graphviz 使用说明 安装python版本2.7 要安装上述软件包，请遵循以下命令 点安装numpy 点安装scipy 点安装scikit学

CNN-Prediction-Based-Reversible-Data-Hiding-main CNN-Prediction-Based-Reversible-Data-Hiding-main CNN-Prediction-Based-Reversible-Data-Hiding-main CNN-Prediction-Based-Reversible-Data-Hiding-main

svmtrain和svmpredict简介回归、分类

dataset

卷积神经网络和功能性近红外光谱信号对癫痫发作的预测 请引用为：Rosas-Romero，R.，Guevara，E.，Peng，K.，Nguyen，DK，Lesage，F.，Pouliot，P.，and Lima-Saad，W.-E. （2019）。 与卷积神经网络和在生物学和医学功能近红外光谱信号的计算机癫痫发作的预测，111，103355. MATLAB中CNN的实现，用于癫痫发作的预测。 描述 该实现旨在解决二进制分类问题。 它可以轻松修改以解决多类问题。 该实现解决了癫痫发作的预测； 但是，可以轻松对其进行修改以解决其他应用程序。 主要代号 MAIN_CNN_CODE.m 评论 主要代码调用子例程： Data.m （获取观察值）， SAMPLING.m （生成发作间和发作前集合），Crossvalidation.m（生成用于训练，测试和验证的集合）， parametersCNN.m

从头开始：从头开始的自适应神经模糊推理系统。 内部所有代码，无依赖性

大型销售预测 使用回归分析 介绍 实践问题或数据科学项目是学习数据科学的最佳方法之一。 在您自己开始解决问题之前，您不会学习数据科学。 BigMart销售预测实践问题大约一个月前就开始出现，已有624位数据科学家与77位提交数据的科学家进行了注册。 如果您发现启动困难或感到卡在某个地方，那么本文仅适合您。 今天，我将带您完成从该数据集开始的整个过程。 我希望本文将帮助越来越多的人开始他们的数据科学之旅！ 假设产生： understanding the problem better by brainstorming possible factors that can impact the

根据吕琳媛、周涛《链路预测》中的相似性指标计算示例，参考附录提供的代码分别用python和matlab实现CN、Jaccard、RA指标的计算。并用书中提供了简单的五点的无权无向网络进行测试，结果与作者的计算吻合。 内含文件如下： （1）书中相似性指标计算示例原文 （2）网络的邻接表.txt文件 （3）matlab代码 （4）python代码 （5）python生成的网络图

JVET提案，已从压缩包中提取，原资料请参考https://jvet-experts.org/自行下周