weixin_44950743的博客

资源涵盖，一元回归，多元回归，一元趋势外推，二元趋势外推，一般指数，修正指数，趋势平均，时间序列平滑，布朗单一参数，霍尔特双参数，灰色预测，残差修正，ARMA模型的方法

传统的道路交通事故预测是对交通事故次数及其造成的损失的历史趋势进行预测，针对其不能反映交通事故与实时交通特性关系、不能有效地预防事故发生的问题，提出一种贝叶斯和逻辑回归二分类算法的交通事故判断与预测模型 首先，进行数据处理，将交通状态划分为正常与危险两种，分别用0和1表示；利用采集的交通流数据作为特征变量对不同的状态进行表征，将事故的实时预测问题转化为分类问题；对某项偏大的数据特征进行数据处理，利用下采样策略解决由于危险状态样本较少而导致的样本不均衡问题；将重新选出的数据集分割成训练集与测试级，在训练集上进行k折交叉验证，利用贝叶斯和逻辑回归进行训练。利用recall查全率选出较好模型。根据样本数据训练的分类器对不同的交通状态进行分类识别。实验结果表明，逻辑回归比贝叶斯更能较好判断，更能反映不同交通状态的差别，获得更好的分类结果。最后，对于给定的交通数据进行预测与判断