列车振动matlab代码刀具磨损预测 基于物联网的工具磨损预测，该项目用于收集和分析MATLAB中的振动数据，并使用该数据预测工具磨损。 抽象的 通常通过基于概念的振动监测来预测工具磨损，其中在加工过程中产生的振动与工具磨损现象相关。 事先检测到工具磨损现象可以提高加工过程中的性能。 机器和工具振动的大量变化是通过MPU-6050传感器获取的，并上传到云服务器。 在速度，切削深度，进给速度和振动之间建立了关系。 利用从云服务器记录的所有值，对机器学习模式进行了训练，以在这种现象发生之前预测工具的磨损。 这些结果为实现工具和机器的在线监控以及预测性维护提供了初步的要素。 工具磨损预测 在此模块中，组件是NodeMCU和MPU-6050加速度计+陀螺仪，它们通过USB电缆连接到笔记本电脑，USB电缆是NodeMCU的电源。 传感器检测到加工过程中的振动，并将其发送到NodeMCU，将接收到的所有数据发送到MATLAB云平台Thingspeak。 诸如主轴速度和切削深度之类的加工参数在代码中进行了硬编码。 在MATLAB工作区中，已存储上传的数据并将其作为CSV文件导入。 导入的数据包含原始

机器学习工程师纳米学位 顶石项目 项目：预测库存移动方向 安装 此项目需要Python 3.6和已安装的以下Python库： 您还需要安装软件才能运行和执行 我们建议安装 ，这是一个预包装的Python发行版，其中包含该项目的大多数必需库和软件。 代码 该代码在Notebooks文件夹中提供。 由于大小限制，不包括CSV文件和Clfs文件夹（经过训练的分类器池）。 跑步 在终端或命令窗口中，导航到顶层项目目录Notebooks/ （包含此自述文件）并运行以下命令之一： ipython notebook {name of notebook file}.ipynb 或者 jupyter notebook {name of notebook file}.ipynb 这将在浏览器中打开iPython Notebook软件和项目文件。 数据 该数据集由Github上某个帖子的1分钟库存数据

糖尿病预测用KNN

matlab股票预测代码股市预测 团队成员： 希瓦·瓦姆西·古迪瓦达 文卡塔·普拉尼斯·巴维里塞蒂 阿努杰·贾恩 帕万·西瓦·库马尔·阿马拉帕利 描述： 在这个项目中，我们设计了一个机器学习模型，该模型将根据当前数据预测股票的未来价值。 在这里，我们使用了 6 个月（2011 年 1 月至 6 月）每周的股票数据（750 个实例）。这些数据用于测试和训练我们的算法。 我们预测了接下来一周的开盘价。 我们使用不同的算法和技术实现了这个模型。 我们分析了结果并确定了性能最佳的算法。 安装 克隆存储库并使用 MATLAB/Octavia 运行代码。 代码 StockPrediction.m 执行预测。 以下脚本用于支持代码。 assignNumbersToSymbols.m 正态方程 计算成本.m 梯度下降B.m 计算成本B.m rootMeanSquareError.m 支持向量机 跑步 将道琼斯指数数据集放在与源代码相同的文件夹中。 使用 StockPrediction.m 文件在 MATLAB 中运行代码。 数据集 道琼斯工业平均指数 (DJIA) 是由华尔街日报编辑查尔斯道（道琼斯公

BMI健康状况预测 数据可视化和机器学习来预测健康状况（BMI：体重指数） 随机森林分类 该数据集取自 。 描述 性别：男/女 高度：数（厘米） 重量：数量（千克） 索引：0-极度弱1-极度2-正常3-超重4-肥胖5-极度肥胖 kaggle笔记本内核可在找到。

糖尿病预测应用 通过使用机器学习算法来预测糖尿病的应用程序。 它由Flask构建并部署在Heroku上。 在这个项目中，我们的目标是根据怀孕，血糖，血压，皮肤厚度，胰岛素，BMI，糖尿病谱系功能，年龄等各种特征来预测患者是否患有糖尿病。 我们将执行从数据收集到模型部署的所有步骤。 在模型评估期间，我们根据precision_score指标比较各种机器学习算法，并找到最佳算法。 然后，我们使用Flask（这是一个python微框架）创建一个Web应用。 部署-https: 截屏 安装 克隆此存储库并解压缩。 下载后，将cd放入flask目录。 使用Python 3开始一个新的虚拟环境并激活它。 使用pip install -r requirements.txt安装所需的软件包 执行命令： python app.py 在浏览器中打开http链接。

需求预测是每个不断增长的在线业务的重要组成部分。如果没有适当的需求预测流程，几乎不可能在任何给定时间拥有适量的库存。食品配送服务必须处理大量易腐的原材料，这使得这样的公司能够准确预测每日和每周的需求变得更加重要。 这是提出这个数据集的理由 :victory_hand:！ Food demand.csv

‍:rocket: AI足球大数据爬虫分析预测一体化项目(golang) :memo: 项目地址 :party_popper: 项目简介 简单分析的项目.AI足球球探为程序全自动处理,全程无人为参与干预足球分析足球预测程序.程序根据各大指数多维度数据,结合作者多年足球分析经验,精雕细琢,集天地之灵气,汲日月之精华,历时七七四十九天,经Bug九九八十一个,编码而成.有兴趣的朋友

迈向稳健的单眼深度估计：用于零镜头跨数据集传输的混合数据集 该存储库包含用于从单个图像计算深度的代码。 它伴随我们的： 迈向稳健的单眼深度估计：用于零镜头跨数据集传输的混合数据集RenéRanftl，Katrin Lasinger，David Hafner，Konrad Schindler，Vladlen Koltun MiDaS v2.1在10个数据集（ReDWeb，DIML，电影，MegaDepth，WSVD，TartanAir，HRWSI，ApolloScape，BlendedMVS，IRS）上进行了多目标优化训练。 在5个数据集（本文中的MIX 5 ）上训练过的原始模型可以在找到。 变更日志 [2020年11月]发布了MiDaS v2.1： 经过10个数据集训练的新模型，其度平均比高出 新的轻量级模型可在移动平台上实现。 适用于和示例应用程序 ，可在机器人上轻松部署 [2

完整数据和完整代码