量化
-
R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化
如果能提前准确预测这些信息，可以为医生提供重要见解，从而能够相应并有效地进行患者治疗。以下演示了对流行的心脏疾病数据库进行的探索性数据分析。除此之外，还使用不同方法（如逻辑回归、随…
-
R语言神经网络与决策树的银行顾客信用评估模型对比可视化研究
随着机器学习技术的不断发展，决策树和神经网络等算法在顾客信用评估中得到了广泛应用。然而，不同的模型具有各自的优势和局限性，因此选择适合的模型对于提高评估准确率至关重要。 决策树作为…
-
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
在本文中，你将看到如何使用一个被称为长短时记忆的时间序列模型。LSTM模型很强大，特别是在保留长期记忆方面。在本文中，你将解决以下主题。 理解为什么你需要能够预测股票价格的变动。 …
-
HAR-RV-J与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频波动率
实际上，这种分析只是对预测的实际经济意义的一个小的指示。因此，在我们的方法中，我们还通过交易适当的波动率衍生品来测试我们的预测。 简介 波动性在资产定价和分配以及风险管理中起着核心…
-
SPSS多层感知器 (MLP)神经网络预测全国污染物综合利用量数据
综合利用污染物资源不仅有助于减少所需的原材料消耗，还有助于降低环境排放和废物处理的成本。因此，探索和预测全国污染物综合利用量数据，对于制定相关政策和促进可持续发展至关重要。 传统的…
-
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析|数据分享
什么是依赖关系？ 假设您在观看视频时记得前一个场景，或者在阅读一本书时您知道前一章发生了什么。 传统的神经网络无法做到这一点，这是一个主要缺点。例如，假设您想对电影中每一点发生的事…
-
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
由于房价的长期波动性及预测的复杂性，利用传统的方法很难准确预测房价，而灰色模型 GM (1,1)和神经网络的结合在一定程度上可以很好的解决这个问题。文章首先介绍了 GM (1,1)…
-
spss modeler用决策树神经网络预测ST的股票
文章中使用了净利润指标来对可能成为ST的股票进行排雷，那么是否有其他指标可以用机器学习的方法对该问题进行建模同时提高预测的准确度呢? 首先我们来了解下问题的背景： 股票市场上，一般…
-
MATLAB中用BP神经网络预测人体脂肪百分比数据
问题：估计脂肪百分比 在这个例子中，我们试图建立一个神经网络来估计一个人的脂肪百分比，这个人由13个物理属性描述。 年龄 体重 身高 颈围 胸围 腹部周长 臀围 大腿周长 膝…
-
HAR-RV-J与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频波动率
实际上，这种分析只是对预测的实际经济意义的一个小的指示。因此，在我们的方法中，我们还通过交易适当的波动率衍生品来测试我们的预测。 简介 波动性在资产定价和分配以及风险管理中起着核心…
-
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
LSTM神经网络架构和原理及其在Python中的预测应用 我将通过以下步骤： 探索性数据分析（EDA） 问题定义（我们要解决什么） 变量识别（我们拥有什么数据） 单变量分析（了解数…
-
Python中利用长短期记忆模型LSTM进行时间序列预测分析 – 预测电力负荷数据
每日数据是通过总计每天提供的15分钟间隔的消耗量来创建的。 LSTM简介 LSTM（或长短期记忆人工神经网络）允许分析具有长期依赖性的有序数据。当涉及到这项任务时，传统的神经网络体…
