交通状态分析
文章平均质量分 84
交通状态分析
优惠券已抵扣
余额抵扣
还需支付
¥29.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
前程算法屋
数据分析与算法实践 在此声明,本人与其他账号没有任何关联,凡是打着本人旗号的其他任何人本人概不负责,谢谢
展开
-
交通状态分析 | Python实现基于张量分解的交通流量时空模式挖掘
交通状态分析 | Python实现基于张量分解的交通流量时空模式挖掘原创 2023-06-10 17:37:59 · 795 阅读 · 0 评论 -
图神经网络 | Python实现STGCN时空图卷积网络交通流量预测
图神经网络 | Python实现STGCN时空图卷积网络交通流量预测原创 2023-01-07 21:06:03 · 1925 阅读 · 0 评论 -
图神经网络 | Python基于图卷积的U-Net架构进行交通流量和速度的预测
Python基于图卷积的U-Net架构进行交通流量和速度的预测原创 2022-11-21 22:54:17 · 1344 阅读 · 0 评论 -
图卷积网络 | PyTorch实现图卷积网络(GCN、GAT、Chebnet)的交通流量预测
图卷积网络 | PyTorch实现图卷积网络(GCN、GAT、Chebnet)的交通流量预测原创 2022-11-20 20:31:55 · 1802 阅读 · 1 评论 -
图神经网络 | Python实现基于T-GCN时间图卷积网络模型的交通预测
图与网络分析 | Python实现基于T-GCN时间图卷积网络模型的交通预测原创 2022-11-12 18:54:31 · 1642 阅读 · 0 评论 -
时间序列分析 | Python实现STID多元时间序列预测
时间序列分析 | Python实现STID多元时间序列预测原创 2022-11-03 23:04:28 · 1783 阅读 · 0 评论 -
交通状态预测 | Python实现基于LSTM的客流量预测方法
交通状态预测 | Python实现基于LSTM的客流量预测方法原创 2022-10-07 15:13:08 · 2532 阅读 · 1 评论 -
时间序列分析 | Python实现Temporal Fusion Transformer 时间序列预测
时间序列分析 | Python实现Temporal Fusion Transformer 时间序列预测原创 2022-09-20 19:28:03 · 1379 阅读 · 0 评论 -
时间序列分析 | Python时间序列预测模型注意事项
时间序列分析 | Pytho时间序列预测模型注意事项原创 2022-09-17 14:23:48 · 686 阅读 · 0 评论 -
数据变换分解 | Python实现时间序列动态模态分解
数据变换分解 | Python实现时间序列动态模态分解原创 2022-09-04 20:28:33 · 1220 阅读 · 0 评论 -
交通状态预测 | Python实现基于Social-LSTM的轨迹预测方法
交通状态预测 | Python实现基于Social-LSTM的轨迹预测方法原创 2022-08-29 09:30:49 · 3317 阅读 · 0 评论 -
交通状态预测 | Python实现基于Transformer的交通流预测
交通状态预测 | Python实现基于Transformer的交通流预测目录交通状态预测 | Python实现基于Transformer的交通流预测基本介绍模型构建程序设计学习总结基本介绍使用的模型是一个传统基于 编码器-解码器的Transformer,其中编码器部分将时间序列的历史作为输入,而解码器部分以自回归的方式预测未来的值。模型构建首先初始化模型该部分初始化一些参数,定义输入输出的编码器和解码器等操作。def __init__( self, n_encoder_原创 2022-05-26 22:25:20 · 4922 阅读 · 0 评论 -
机器学习算法 | Python实现k-近邻算法
交通状态预测 | Python实现k-近邻算法目录交通状态预测 | Python实现k-近邻算法基本介绍工作原理程序设计参考资料基本介绍KNN,全名k近邻算法。是⼀种⾮常简单有效的机器学习算法。KNN是通过计算不同特征值距离作为分类依据,即计算⼀个待分类对象不同特征值与样本库中每⼀个样本上对应特征值的差值,将每个维度差值求和也就得到了该组数据与样本之间的距离,⼀般使⽤欧式距离进⾏计算,通过对所有样本求距离,最终得到离待分类对象最近的K个样本,将这K个点作为分类依据。优点:精度高、对异常值不敏感原创 2022-05-04 21:09:31 · 1694 阅读 · 0 评论 -
交通状态预测 | Python实现基于扩散卷积和GNN的交通流时空预测
交通状态预测 | Python实现基于扩散卷积和GNN的交通流时空预测目录交通状态预测 | Python实现基于扩散卷积和GNN的交通流时空预测基本介绍环境配置数据处理模型结构程序设计参考资料基本介绍将交通流建模为有向图上的扩散过程,并引入扩散卷积递归神经网络 (Diffusion Convolutional Recurrent Neural Network,DCRNN),这是一种用于交通预测的深度学习框架,它在交通流中结合了空间和时间依赖性。具体来说,DCRNN 使用图上的双向随机游走来捕获空间依原创 2022-05-01 14:26:01 · 1654 阅读 · 0 评论 -
时序数据获取 | Python实现时间序列数据集获取
时序数据获取 | Python实现时间序列数据集获取目录时序数据获取 | Python实现时间序列数据集获取基本介绍工具介绍安装使用参考资料基本介绍来自真实世界场景的数据集对于构建和测试机器学习模型非常重要。如果想要一些时间序列数据来简单试验算法和评估模型但本地却没有测试数据,这种情况下就需要考虑如何拿到人工生成的或者真实的时序数据?之前都是通过接口自己来解析数据或者人工生成一些时序数据来测试,缺点是比较麻烦或者数据质量不高而且徒然增加自身工作量!作为调包侠这篇文章推荐一种 Python 数据获取库原创 2022-04-29 17:23:42 · 1986 阅读 · 0 评论 -
时间序列分析 | Python实现时间序列特征生成
时间序列分析 | Python实现时间序列特征生成目录时间序列分析 | Python实现时间序列特征生成基本介绍数据介绍程序设计参考资料基本介绍时间序列建模的时间戳与时序特征衍生思路,时间序列模型在我们日常工作中应用的场景还是会很多的,比如我们去预测未来的销售单量、预测股票价格、预测期货走势、预测酒店入住等等,这也是我们必须要掌握时序建模的原因。数据介绍我们就拿经典的时间序列模型来说一下,一般来说数据集里的数据,可以分为3大类。1)Y值:我们也称之为时序值。如下表中的销量字段;2)时间戳原创 2022-04-26 19:01:44 · 661 阅读 · 1 评论 -
交通状态预测 | Python实现基于神经网络的交通流预测(SAEs、LSTM、GRU)
交通状态预测 | Python实现LSTM神经网络的交通流预测目录交通状态预测 | Python实现LSTM神经网络的交通流预测环境配置数据处理模型结构程序设计预测效果参考资料环境配置Python 3.6Tensorflow-gpu 1.5.0Keras 2.1.3scikit-learn 0.19数据处理数据集:数据来自 Caltrans 绩效测量系统 (PeMS)。数据是加利福尼亚州所有主要大都市地区的高速公路系统的各个探测器实时收集的。"""Processing the d原创 2022-04-21 15:26:44 · 5826 阅读 · 0 评论 -
数据回归分析 | Python实现数据逻辑回归分析
数据回归分析 | Python实现数据逻辑回归分析目录数据回归分析 | Python实现数据逻辑回归分析基本介绍环境准备模型原理程序设计学习小结基本介绍逻辑回归是一种分类算法(虽然名字中带有“回归”)。它是通过一个中间转换函数,将线性回归模型的值映射成概率值 ,然后通过概率值 进行分类。环境准备import numpy as npimport pandas as pdimport matplotlib.pyplot as plt# from ipywidgets import *# f原创 2022-04-21 14:36:35 · 1267 阅读 · 0 评论 -
时间序列分析 | Python时间序列数据统计分布
时间序列分析 | Python时间序列数据统计分布目录时间序列分析 | Python时间序列数据统计分布基本介绍分布类型均匀分布高斯分布对数正态分布泊松分布指数分布学生t分布卡方分布学习总结参考资料基本介绍概率和统计知识是数据科学和机器学习的核心;我们需要统计和概率知识来有效地收集、审查、分析数据。现实世界中有几个现象实例被认为是统计性质的(即天气数据、销售数据、财务数据等)。这意味着在某些情况下,我们已经能够开发出方法来帮助我们通过可以描述数据特征的数学函数来模拟自然。“概率分布是一个数学原创 2022-04-21 14:01:38 · 898 阅读 · 0 评论