时间序列预测lstm

用python画皮卡丘(基于turtle)

样本数据不均衡的数据的解决方案： 过采样：生成样本少的样本，和样本多的样本一样多（同样多） 下采样：两种样本一样小，从多的样本中删除一部分（同样少） 特征缩放：对Amount列进行特征缩放，使其分布范围和其他特征属性的分布范围保持一致 机器学习误区：会认为数值大的数据重要程度较大，但是我们拿到数据，其实每个属性的重要程度是一样的，所以需要进行特征缩放 所以可以进行：归一化（缩放到0~1）或者标准化(缩放到-1~1)

行列式的转置

源码下载：Python实时视频采集(opencv)

【实例简介】 这就是学python的一堆ppt课件

【实例简介】Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

本数据集来自葡萄牙银行定期存款产品营销活动数据，主要包含三部分的信息。第一部分为客户基本信息，如年龄、职业、婚姻状况、受教育程度等；第二部分为与客户的沟通信息，如上次营销活动中与客户沟通时所在的月份、工作日、时长等；第三部分为社会经济数据，如消费者价格指数、消费者信心指数等。 通过此数据集，我们将要探讨以下问题：具备哪什么特征的客户更有可能购买定期存款产品？在什么时间与客户沟通更有可能让客户购买存款产品？如何根据数据分析结果指导银行的营销活动？

用于时间序列预测的lstm

【实例简介】 该代码使用生成对抗网络 进行时序预测

【实例简介】