大数据分析
文章平均质量分 97
小胡说人工智能
工作了10余年,刚步入中年危机。寻求用AI突破自己,也希望能用微薄之力,帮助到喜欢人工智能的伙伴们。
展开
-
基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(四)
本项目使用了从NBA官方网站获得的数据,并运用了支持向量机(SVM)模型来进行NBA常规赛和季后赛结果的预测。此外,项目还引入了相关系数法、随机森林分类法和Lasso方法,以评估不同特征的重要性。最后,使用Python库中的webdriver功能实现了自动发帖,并提供了科学解释来解释比赛预测结果。原创 2023-10-18 14:16:20 · 772 阅读 · 0 评论 -
基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(三)
本项目使用了从NBA官方网站获得的数据,并运用了支持向量机(SVM)模型来进行NBA常规赛和季后赛结果的预测。此外,项目还引入了相关系数法、随机森林分类法和Lasso方法,以评估不同特征的重要性。最后,使用Python库中的webdriver功能实现了自动发帖,并提供了科学解释来解释比赛预测结果。原创 2023-10-18 14:15:26 · 2164 阅读 · 0 评论 -
基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(二)
本项目使用了从NBA官方网站获得的数据,并运用了支持向量机(SVM)模型来进行NBA常规赛和季后赛结果的预测。此外,项目还引入了相关系数法、随机森林分类法和Lasso方法,以评估不同特征的重要性。最后,使用Python库中的webdriver功能实现了自动发帖,并提供了科学解释来解释比赛预测结果。原创 2023-10-18 14:14:20 · 539 阅读 · 0 评论 -
基于SVM+Webdriver的智能NBA常规赛与季后赛结果预测系统——机器学习算法应用(含python、ipynb工程源码)+所有数据集(一)
本项目使用了从NBA官方网站获得的数据,并运用了支持向量机(SVM)模型来进行NBA常规赛和季后赛结果的预测。此外,项目还引入了相关系数法、随机森林分类法和Lasso方法,以评估不同特征的重要性。最后,使用Python库中的webdriver功能实现了自动发帖,并提供了科学解释来解释比赛预测结果。原创 2023-10-18 14:11:57 · 396 阅读 · 0 评论 -
基于SVM+TensorFlow+Django的酒店评论打分智能推荐系统——机器学习算法应用(含python工程源码)+数据集+模型(二)
本项目是以向量机(SVM) 作为技术支持,使用酒店评论集作为数据集,训练出针对酒店评论情感的分析模型,使用word2vec产生词向量,实现服务器端提供数据、客户端查询数据的打分推荐系统。本系统可以帮助用户更好地了解酒店的口碑和评价,从而做出更明智的决策。原创 2023-10-08 11:30:00 · 361 阅读 · 0 评论 -
基于矩阵分解算法的智能Steam游戏AI推荐系统——深度学习算法应用(含python、ipynb工程源码)+数据集(一)
本项目采用了矩阵分解算法,用于对玩家已游玩的数据进行深入分析。它的目标是从众多游戏中筛选出最适合该玩家的游戏,以实现一种相对精准的游戏推荐系统。本项目的目标是通过矩阵分解和潜在因子模型,提供一种更为精准的游戏推荐系统。这种个性化推荐可以提高玩家的游戏体验,同时也有助于游戏平台提供更好的游戏推广和增加用户黏性。原创 2023-09-21 22:55:27 · 1018 阅读 · 1 评论 -
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集(五)
本项目专注于MovieLens数据集,并采用TensorFlow中的2D文本卷积网络模型。它结合了协同过滤算法来计算电影之间的余弦相似度,并通过用户的交互方式,以单击电影的方式,提供两种不同的电影推荐方式。项目融合了协同过滤和深度学习技术,为用户提供了两种不同但有效的电影推荐方式。这可以提高用户体验,使他们更容易找到符合他们口味的电影。原创 2023-09-21 20:39:52 · 893 阅读 · 0 评论 -
基于TensorFlow+CNN+协同过滤算法的智能电影推荐系统——深度学习算法应用(含微信小程序、ipynb工程源码)+MovieLens数据集(四)
本项目专注于MovieLens数据集,并采用TensorFlow中的2D文本卷积网络模型。它结合了协同过滤算法来计算电影之间的余弦相似度,并通过用户的交互方式,以单击电影的方式,提供两种不同的电影推荐方式。项目融合了协同过滤和深度学习技术,为用户提供了两种不同但有效的电影推荐方式。这可以提高用户体验,使他们更容易找到符合他们口味的电影。原创 2023-09-21 20:38:33 · 874 阅读 · 0 评论 -
基于GBDT+Tkinter+穷举法按排队时间预测最优路径的智能导航推荐系统——机器学习算法应用(含Python工程源码)+数据集(三)
本项目采用百度地图API获取步行时间,基于GBDT模型对排队时间进行预测。实现用户自主选择多个目的地,系统输出最佳路线规划的结果,并根据用户的选择给出智能化推荐。原创 2023-09-19 11:23:33 · 318 阅读 · 0 评论 -
基于GBDT+Tkinter+穷举法按排队时间预测最优路径的智能导航推荐系统——机器学习算法应用(含Python工程源码)+数据集(四)
本项目采用百度地图API获取步行时间,基于GBDT模型对排队时间进行预测。实现用户自主选择多个目的地,系统输出最佳路线规划的结果,并根据用户的选择给出智能化推荐。原创 2023-09-19 11:23:39 · 373 阅读 · 0 评论 -
基于GBDT+Tkinter+穷举法按排队时间预测最优路径的智能导航推荐系统——机器学习算法应用(含Python工程源码)+数据集(二)
本项目采用百度地图API获取步行时间,基于GBDT模型对排队时间进行预测。实现用户自主选择多个目的地,系统输出最佳路线规划的结果,并根据用户的选择给出智能化推荐。原创 2023-09-19 11:22:46 · 768 阅读 · 0 评论 -
基于GBDT+Tkinter+穷举法按排队时间预测最优路径的智能导航推荐系统——机器学习算法应用(含Python工程源码)+数据集(一)
本项目采用百度地图API获取步行时间,基于GBDT模型对排队时间进行预测。实现用户自主选择多个目的地,系统输出最佳路线规划的结果,并根据用户的选择给出智能化推荐。原创 2023-09-19 11:21:40 · 401 阅读 · 0 评论 -
基于随机森林+小型智能健康推荐助手(心脏病+慢性肾病健康预测+药物推荐)——机器学习算法应用(含Python工程源码)+数据集(三)
本项目基于Kaggle公开数据集,进行心脏病和慢性肾病的特征筛选和提取,选择随机森林机器学习模型进行训练,预判是否有疾病、针对相应的症状或需求给出药物推荐,实现具有实用性的智能医疗助手。这种智能医疗助手有望提高医疗决策的准确性,为患者提供更好的医疗体验,并对医疗资源的合理分配起到积极作用。原创 2023-09-18 09:57:49 · 569 阅读 · 3 评论 -
基于随机森林+小型智能健康推荐助手(心脏病+慢性肾病健康预测+药物推荐)——机器学习算法应用(含Python工程源码)+数据集(二)
本项目基于Kaggle公开数据集,进行心脏病和慢性肾病的特征筛选和提取,选择随机森林机器学习模型进行训练,预判是否有疾病、针对相应的症状或需求给出药物推荐,实现具有实用性的智能医疗助手。这种智能医疗助手有望提高医疗决策的准确性,为患者提供更好的医疗体验,并对医疗资源的合理分配起到积极作用。原创 2023-09-18 09:57:38 · 1025 阅读 · 1 评论 -
基于随机森林+小型智能健康推荐助手(心脏病+慢性肾病健康预测+药物推荐)——机器学习算法应用(含Python工程源码)+数据集(一)
本项目基于Kaggle公开数据集,进行心脏病和慢性肾病的特征筛选和提取,选择随机森林机器学习模型进行训练,预判是否有疾病、针对相应的症状或需求给出药物推荐,实现具有实用性的智能医疗助手。这种智能医疗助手有望提高医疗决策的准确性,为患者提供更好的医疗体验,并对医疗资源的合理分配起到积极作用。原创 2023-09-18 09:57:29 · 642 阅读 · 0 评论 -
基于Pandas+余弦相似度+大数据智能护肤品推荐系统——机器学习算法应用(含Python工程源码)+数据集
本项目结合了Pandas数据处理工具和机器学习技术,旨在构建一个智能的护肤品推荐系统。该系统不仅会考虑用户的肤质特征,还会考虑过敏反应等因素,并筛选出相互禁忌的产品,以便为不确定如何选择护肤品的用户提供个性化的推荐。原创 2023-09-14 11:51:55 · 933 阅读 · 0 评论 -
TDengine数据库-TAOS涛思数据-批量下载上亿大数据成csv 解决bug: Query interrupted (Query terminated) 4798749 row(s) in set
如果你使用taos shell命令下载超级表时,发现出现了请求中断的问题,那么本篇文章提供了一个解决方案:使用taos命令进行分页批量下载,并将数据合并到CSV文件中。无论是处理几百万条还是更多的数据,这个方法都能帮助你成功下载所有数据。一旦掌握了这种方法,你就可以轻松地从taos数据库中的超级表中下载大量数据,而不必担心请求中断或其他问题造成的时间浪费。原创 2023-05-06 14:28:43 · 899 阅读 · 2 评论 -
如何用Python对股票数据进行LSTM神经网络和XGboost机器学习预测分析(附源码和详细步骤),学会的小伙伴们说不定就成为炒股专家一夜暴富了
最近调研了一下我做的项目受欢迎程度,大数据分析方向竟然排第一,尤其是这两年受疫情影响,大家都非常担心自家公司裁员或倒闭,都想着有没有其他副业搞搞或者炒炒股、投资点理财产品,未雨绸缪,所以不少小伙伴要求我这边分享下关于股票预测分析的技巧。基于股票数据是一个和时间序列相关的大数据,所以我打算给大家分享时下最受欢迎的时序模型:**LSTM、XGBoost两大经典模型**。原创 2022-08-23 14:02:17 · 15439 阅读 · 28 评论 -
我决定豁出去了,公开我做过的人工智能实战项目核心技术,有没有你心动的?
博主一直没有公开多少人工智能项目代码,但不少粉丝和朋友都很好奇真实人工智能项目到底是怎样的?我思前想后,打算针对几块我做过的人工智能项目给大家分享下,不过由于公司这两年发展比较快,项目方向有点多,不知道小伙伴们具体感兴趣哪块呢?欢迎大家关注我,在评论区回复具体目录项,如1.1,我会按照受欢迎程度来优先选择项目进行详细分析。...........................原创 2022-08-09 16:33:02 · 290 阅读 · 0 评论