这是笔者2019.9下载的UCR数据集，其中有较多的时间序列数据，方便大家下载学习，特此分享给大家。
(在介绍中,没有说不许传播,如有侵权,会立即删除.)

ADeepNeuralNetworkforUnsupervisedAnomalyDetectionandDiagnosisinMultivariateTimeSeriesData一种用于多变量时间序列数据非监督异常检测和诊断的深度神经网络

建模分析师（数据分析师、数据挖掘工程师）理论基础：统计学、概率论、数理统计、多元统计分析、时间序列、数据挖掘（DM）软件要求：Excel、SQL（必要）&SPSSModeler、R、Python、SAS、Weka等（可选）分析方法要求：除掌握基本数据处理及分析方法以外，还应掌握高级数据分析及数据挖掘方法（多元线性回归法、生存分析法、神经网路、决策树、判别分析法、主成分分析法、因子分析法、典型相关分析、聚类分析法、关联规则、支持向量机、bagging、boosting等）和可视化技术。
业务分析能力：可以将业务目标转化为数据分析目标熟悉常用算法和数据结构，熟悉企业数据库架构建设针对不同分析主体，可以熟练的进行维度分析，能够从海量数据中搜集并提取信息通过相关数据分析方法，结合一个或多个数据分析软件完成对海量数据的处理和分析结果展现能力：报告体现数据挖掘的整体流程，层层阐述信息的收集、模型的构建、结果的验证和解读，对行业进行评估，优化和决策。

时间序列数据挖掘中的特征表示与相似性度量方法研究，博士论文

[目录]（一）我国税收收入与GDP关系分析（二）以下是1989—2003年我国税收收入和国内生产总值的时间序列数据：（三）根据上述数据资料，我国税收收入（SSSR）随国内生产总值（GDP）变化的关系函（四）对该模型的检验（五）对我国税收收入未来3年的预测（六）总结[原文]（一）我国税收收入与GDP关系分析GDP是社会收入分配的对象，税收收入是国家参与社会收入分配的结果，进行社会收入分配就会存在具体分配方式的应用问题。
税收收入与GDP总量有相关性，但两者相关系数不能画等号。
税收收入快速增长，税收占GDP比重有明显提高。
　在既定的社会收入分配中，税收收入与GDP之间的比例关系由税收制度所确定。
GDP增长与税收收入增长之间存在着一定的内在关系。
在一定的社会收入条件下，税收收入与GDP的数量关系是在税收制度下构成。
当税收制度发生变动时，国家就会根据变动情况对税收收入与GDP的比例关系进行相应的调整。
我们在分析GDP与税收收入的关系时，不能仅仅考虑两者之间的数量关系，还需要考虑和研究影响两者之间数量关系的社会经济制度因素。
（二）以下是1989—2003年我国税收收入和国内生产总值的时间序列数据：（三）根据上述数据资料，我国税收收入（SSSR）随国内生产总值（GDP）变化的关系函数属于生产函数，现假设其一元线性回归模型为：SSSR=C+β*GDP用EVIEWS软件作出该模型的散点图如下：......

压缩包内含：基于LSTM的股票价格预测_数据+代码+报告，可以最为数据挖掘的大作业。
股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。
要想在股票买卖中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。
股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。
理论上，根据股票以往的价格走势，可以预测股票的未来走势。
因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。
虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。
Hochreiter和Schmidhuber提出的长短期记忆（LongShort-TermMemory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。
因此，本文基于LSTM实现一个股票价格预测模型。

该数据集为UCR_TS_Archive_2015，次要是为方便时间序列数据研究者使用。

金融时间序列的数据集，用于学习数据发掘数据分析.rar

经过标注的节假日数据库，含周别、能否是工作日（调休修正）、能否是节假日等，可以直接对时间序列数据进行打tag,进行节假日效应的研究

SVR时间序列预测，使用滑动窗口堆叠切片数据集，网格搜索+交叉验证用来模型参数设置，模型保存，模型加载,模型预测。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。