机器学习大作业--基于线性回归的PM2.5预测 收集合肥地区过去一段时间（例如过去一年每个月的平均值）的空气质量（例如pm2.5值），然后构建回归模型，能够预测今年某个月的空气质量值 使用模型 线性回归模型 矩阵模型 梯度下降公式

基于线性回归的PM2.5预测系统python源码，包含了所有的数据以及代码。可供学习及设计参考。 # import library # import csv import numpy as np from numpy.linalg import inv import random import math import sys # read data # data = [] # 每一个维度存储一种污染物的数据,一共有18种污染物 for i in range(18): data.append([]) # []表示这十八个输入中，每一个输入都是一个列表 n_row = 0 # 初始从第0行开始 # 打开数据文件,文件big5编码为繁体字 text = open('D:/PythonCodes/CNN/train.csv', 'r', encoding='big5') # 读取名称为text的Excel文件，返回文件行的累加信息,类型为_csv.reader row = csv.reader(text , delimiter=",") # r中保存了当前行的所有信息

【预测模型】灰色理论GM模型地区PM2.5预测【含Matlab源码 499期】.zip

包含整个数据挖掘大作业分析全过程，完整实验报告！！！！！

PM2.5预测数据集（含气象特征，8w条数据）.zip

python机器学习大作业--基于线性回归的PM2.5预测系统源码。附流程图一目了然 python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。附流程图一目了然 python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。附流程图一目了然 python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。python机器学习大作业--基于线性回归的PM2.5预测系统源码。附流程图一目了然 python机器学习大作业--基于线性回归的

# 系统说明 本系统采用了计算机数据挖掘的方法，从互联网中收集整理了全国近300个城市的天气数据和近200个大中城市的空气质量基本数据。 对提高全国人民的身体健康进了微薄之力，也为了利用机器学习技术研究空气质量、大气情况等数据提供了一个思路。

这是李宏毅2020机器学习作业一的Pytorch版，用Pytorch的张量操作函数更改了原先的numpy操作。实现了线性回归，并且预测了多因素作用下的PM2.5预测。

完整代码，可直接运行

目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.