📂 分类
默认：全部
全部 评价与决策分析 预测与时间序列 数学统计与计量金融 机器学习（监督学习） 聚类与降维（无监督） 深度学习与时序网络 自然语言处理（NLP） 异常检测 优化与多目标（智能优化） 灰色系统与模糊理论 可解释性与 AutoML 工具类(可视化,公式识别)及工具箱 计算机CV类
具体的模型/算法可以归属于一类或多类别
No.022

BP神经网络

用于使用BP神经网络完成回归或分类建模，可辅助进行模型训练、预测和效果评估，适合具有明确目标变量的结构化数据分析；具体参数与输出以软件界面为准。

¥25.00
📦 下载方式
🔑 购买授权码
No.062

BERT_Finetune-BERT 微调

用于文本分类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。

¥10.00
📦 下载方式
🔑 购买授权码
No.147

Autoformer-Autoformer

用于使用Autoformer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.148

BiLSTM-双向 LSTM

用于使用双向 LSTM建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.149

CNN_LSTM-CNN–LSTM 混合

用于使用CNN–LSTM 混合建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.150

CNN1D-一维卷积神经网络

用于使用一维卷积神经网络建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.151

DeepAR-DeepAR

用于使用DeepAR建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.152

GRU-门控循环单元

用于使用门控循环单元建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。

¥10.00
📦 下载方式
🔑 购买授权码
No.153

Informer-Informer

用于使用Informer建立深度学习时间序列模型，学习复杂的时序依赖并进行预测，适合样本量相对充足的连续序列；训练效果受数据规模、特征和参数影响。

¥10.00
📦 下载方式
🔑 购买授权码
上一页 1 2 下一页
当前：第 1 页，共 2 页，共 15 个算法
软件下载目录