ARIMA预测模型训练集和预测集ARIMA模型全称为自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-seriesApproach）预测方法[1]，所以又称为Box-Jenkins模型、博克思-詹金斯法。
其中ARIMA（p，d，q）称为差分自回归挪动平均模型，AR是自回归，p为自回归项；
MA为挪动平均，q为挪动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平
其中ARIMA（p，d，q）称为差分自回归挪动平均模型，AR是自回归，p为自回归项；
MA为挪动平均，q为挪动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平
2019/7/26 21:18:43
206KB
1
ARIMA预测模型训练集和预测集ARIMA模型全称为自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列（Time-seriesApproach）预测方法[1]，所以又称为Box-Jenkins模型、博克思-詹金斯法。
其中ARIMA（p，d，q）称为差分自回归挪动平均模型，AR是自回归，p为自回归项；
MA为挪动平均，q为挪动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平
其中ARIMA（p，d，q）称为差分自回归挪动平均模型，AR是自回归，p为自回归项；
MA为挪动平均，q为挪动平均项数，d为时间序列成为平稳时所做的差分次数。
所谓ARIMA模型，是指将非平稳时间序列转化为平
2019/7/26 21:18:43
206KB
1
一本大学生建模书，内容充实，非常实用。
经典模型+源代码下载排版+时间安排+典型赛题+数学建模特等奖论文+获奖者经验分享+资深老师备赛良言+参赛流程+注意事项=全过程全方位备战
经典模型+源代码下载排版+时间安排+典型赛题+数学建模特等奖论文+获奖者经验分享+资深老师备赛良言+参赛流程+注意事项=全过程全方位备战
2017/4/13 4:03:11
55.1MB
1
三层的bp神经网络，用于识别手写数字的。
包含训练代码、测试代码和训练模型，可以先运用训练代码保存训练模型，测试代码读取模型并识别测试集中的数字，也可以直接运用我的模型，导入保存数据，传入函数中既可用。
包含训练代码、测试代码和训练模型，可以先运用训练代码保存训练模型，测试代码读取模型并识别测试集中的数字，也可以直接运用我的模型，导入保存数据，传入函数中既可用。
2019/8/27 9:24:35
1.17MB
1
这个是2013数学建模国赛B题的一个完好的解答过程，包括了对题目的思考，模型的建立，代码的编写，论文的写法。
当然还包括了最终的结果-----完好的报告。
当然还包括了最终的结果-----完好的报告。
2021/2/24 14:08:33
13.65MB
1
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。
2024-04-09 15:03
15KB