模型表达首先是以房屋交易问题为例，假设我们回归问题的训练集如下表所示：此外我们将使用以下变量来描述这个回归问题：m 代表训练集中实例的数量x 代表特征/输入变量

fixed_point_iteration 使用定点迭代计算单变量函数的不动点。 句法 c = fixed_point_iteration(f,x0) c = fixed_point_iteration(f,x0,TOL) c = fixed_point_iteration(f,x0,[],imax) c = fixed_point_iteration(f,x0,TOL,imax) c = fixed_point_iteration(__,'all') 描述 c = fixed_point_iteration(f,x0)返回函数的固定点 由函数句柄f指定，其中x0是固定点的初始猜测。 默认容差和最大迭代次数分别为TOL = 1e-12和imax = 1e6 。 c = fixed_point_iteration(f,x0,TOL)返回函数的固定点 由功能句柄f指

包含多种实际案例 使用LSTM神经网络进行时间序列数据预测分析。 基于Tensorflow框架、Kerase接口开发网络模型。 包含数据清洗，数据特征提取，数据建模，数据预测。 包含洗发水销量预测、空气质量预测等实际案例。 LSTM单变量、Multi-Step LSTM预测、长短周期记忆网络等方法 Keras中长短期记忆模型的5步操作 Keras中长短期记忆模型的5步操作代码分析 one-hotenoder与Keras one-hotenoder与scikit学习 手动one-hotenoder

XI = findX(X,Y,YI) 估计依赖项的 XI 值变量 Y 达到或跨越指定的目标水平 YI（标量值）。 如果有多个解决方案，findX 会找到所有解决方案。 它可以被看作是 MATLAB 函数的“逆”操作INTERP1，在“线性”方法下。 X 是一个向量，包含一系列自变量的单调递增值。 Y 是包含因变量（基础函数）的离散值的向量。 [XI,IDEXACT] = findX(X,Y,YI) 在 IDEXACT 中返回 Y 的原始值恰好达到目标水平 YI 的索引，即 Y(IDEXACT)=YI，因此不需要插值。

该库包含一套完整的 MATLAB 函数，旨在使用各种技术对时间序列进行时间分解：没有指标的方法（Boot-Feibes-Lisman、Stram-Wei、低通插值）； 使用不同方法的指标方法：优化（Denton）、静态模型（Chow-Lin、Fernandez 和 Litterman）、动态模型（Santos-Cardoso、Proietti）、ARIMA 模型（Guerrero）； 以及带有指标和横向约束的多元方法（Denton、Rossi、Di Fonzo）。 该库还包含用于平衡的函数（比例、RAS 双比例和 Van der Ploeg）以及一个用 Visual Basic 编写的接口，允许在电子表格环境中使用。 该库旨在用于生产模式，减轻定期数据编译和短期监控的任务，也用于研究模式，允许深入探索结果及其内部机制。

Excel 2000（第二讲）单变量与规划求解、模拟运算表 操作演示

内容主要是单变量线性回归的python实现过程。

mit18.01 Single Variable Calculus 单变量微积分 上课讲义，作业，考试及答案

Andrew线性回归算法的原始数据集 ，有相应的ipynb训练代码

利用滑模的思想设计了一种单变量滑模控制器，滑模控制本质上是一种非线性控制，它可以根据系统当前的状态有目的地不断变化，迫使系统按照预定“滑动模态”的状态轨迹运动，具有快速响应和强鲁棒性的特点。