贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测! 它与传统预测方法的不同之处在于利用了来源于经验和历史资料的先验 信息’ 通过实证分析的方法! 将贝叶斯预测模型与普通回归预测模型的预测结果进行比较! 结果表明贝叶斯预测模型具有明显的优越性’

基于支持向量机和卡尔曼滤波的机械零件剩余寿命预测模型研究

本文针对企业员工的一些特征来判断员工是否离职，利用RapidMiner软件构建员工离职预测模型，分析影响员工离职的重要因素，比如员工月收入，是否加班，是否出差等，预测企业员工是否具有离职倾向，为企业提前做出判断，协助人力资源部门进行关键的干预工作，有计划的进行“留住人才”措施，同时也可以更好的促进企业做好“选拔人才”、“培养人才”、“管理人才”。建模前，先对原始数据进行预处理，包括属性变量量化处理、约简属性、数据标准化处理、特征的相关性分析、指定属性角色和划分训练集与测试集。建模选取了决策树模型、随机森林模型、KNN算法模型、逻辑回归模型及贝叶斯模型，利用准确率、精度、召回率及ROC曲线/AUC评价模型的整体性能，最后总结出决定员工离职的三个重要特征和较优的预测模型，并对用人单位提出建议。

结合粒子群算法的神经网络预测模型，张煌，梁朋，股票数据量大,走势不稳定，峰值尖锐且通常噪声较多这些因素都给预测带来了一定的难度，因此目前现有的单一预测模型往往准确率较�

一种优化的高精度灰色GM_1_1_预测模型

基于BP神经网络的短时交通流组合预测模型，杜文斌，程铁信，短时交通流预测一直是交通预测的重点与难点，针对短时交通流数据复杂的时空特性，充分考虑了短时交通流数据的连续时点和连续日期

股票预测模型，收集用于股票预测的机器学习和深度学习模型，包括交易机器人和模拟。 目录 内容 楷模 LSTM LSTM双向 LSTM 2路径 格鲁 双向GRU GRU 2路径 香草 香草双向 香草2路径 LSTM Seq2seq LSTM双向Seq2seq LSTM Seq2seq VAE GRU Seq2seq GRU双向Seq2seq GRU Seq2seq VAE 注意是您所需要的 CNN-Seq2seq 扩张的CNN-Seq2seq 奖金 如何使用模型之一来预测t + N ， 共识，如何使用情感数据预测t + N ， 用于减小尺寸的深度前馈自动编码器神经网络+深

为了提高接地网腐蚀速率预测的精确度，在建立预测模型的过程中，首先对接地网进行了基于电网络理论的腐蚀诊断过程，并以经过诊断之后确定的腐蚀支路位置为采样点。考虑到仅以土壤理化性质反映接地网腐蚀速率的局限性，在接地网腐蚀诊断结果的基础上，提出接地网电阻平均增长速率作为预测模型的输入特征量之一。建立了基于人工蜂群优化支持向量机的接地网腐蚀速率预测模型，测试结果显示相对BP神经网络模型和广义回归神经网络模型，所提模型的预测结果精确度和稳定性更高，表明了对于解决接地网腐蚀速率预测问题，所提模型具有良好的适用性。

本文提出了一种将卷积神经网络(convolutional neural network, CNN)与LSTM相结合的混合深度学习神经网络框架。使用电子健康档案中真实数据集的研究结果表明，相比传统SVM，CNN和LSTM模型，该算法的预测性能得到显著提高。

围绕目前高速公路路基沉降预测精度不高,预测方法适用性不强等问题,基于组合预测理论,借助MATLAB计算软件,将基于灰色理论的GM(1,1)预测模型和星野法沉降预测模型线性组合,以组合预测误差的平方和最小为标准确定两种预测方法的权重系数,提出GM(1,1)-星野法组合预测模型。结合广东某高速公路施工期以及运营期路基实测沉降数据,GM(1,1)-星野法组合预测模型预测结果较两种方法单独预测结果具有更高的预测精度,工程适用性更强。