玉笛清风的案例列表
基于关联规则挖掘技术的药物分析
（1）高频药物分析：将195味药物处方的频次求均值，为8.5795，因此可以选择阈值为9,即将频次大于等于9的药物作为高频药物，共54种药物。 （2）网络图分析 （3）Apriori关联规则挖掘：采用Apriori关联规则算法挖掘药物之间的潜在关系。
基于神经网络的钢材水泥价格预测
主要基于人工神经网络分析，分别预测水泥价格和钢材价格。 模型构建及测试过程如下： Step1:分割训练集及测试集：随机采样，抽取整个数据集的80%作为训练集，剩余20%作为测试集，并且训练集和测试集之间没有交集。其中，训练集用于模型训练；测试集用于模型（根据训练集训练得到）测试。 Step2:训练集归一化：自变量和因变量均采用Z-Score标准化方法进行归一化，使得数据满足0-1正态分布，且消除量纲影响，更加有利于模型的准确率。同时，分别保留训练集中自变量和因变量的归一化结构参数。 Step3:模型训练：采用训练集归一化后的数据，进行“LSTM神经网络”模型训练，保留模型的网络结构参数
案例判断参考
玉笛清风的案例列表
基于关联规则挖掘技术的药物分析
（1）高频药物分析：将195味药物处方的频次求均值，为8.5795，因此可以选择阈值为9,即将频次大于等于9的药物作为高频药物，共54种药物。 （2）网络图分析 （3）Apriori关联规则挖掘：采用Apriori关联规则算法挖掘药物之间的潜在关系。...
基于神经网络的钢材水泥价格预测
主要基于人工神经网络分析，分别预测水泥价格和钢材价格。 模型构建及测试过程如下： Step1:分割训练集及测试集：随机采样，抽取整个数据集的80%作为训练集，剩余20%作为测试集，并且训练集和测试集之间没有交集。其中，训练集用于模型训练；测试集用于模型（根据训练集训练得到）测试。 Step2:训练集归一化：自变量和因变量均采用Z-Score标准化方法进行归一化，使得数据满足0-1正态分布，且消除量纲影响，更加有利于模型的准确率。同时，分别保留训练集中自变量和因变量的归一化结构参数。 Step3:模型训练：采用训练集归一化后的数据，进行“LSTM神经网络”模型训练，保留模型的网络结构参数...
