零代码开发之XGBoost算法-Sentosa_DSML社区版

零代码开发之决策树(Decision Tree,DT)算法-Sentosa_DSML社区版

时间序列案例之月销量预测分析—Holt-Winters算法—Sentosa_DSML社区版，时间序列预测方法用于提取和分析数据和统计数据并表征结果，以便根据历史数据更准确地预测未来。Holt-Winters 预测算法允许用户平滑时间序列并使用该数据预测感兴趣的领域。

梯度提升决策树解决分类和回归问题

零代码开发之随机森林(Random Forest,RF)算法-Sentosa_DSML社区版

多层感知机MLP算法解决分类和回归问题

随机森林算法解决分类和回归问题

决策树算法解决分类和回归问题

Sentosa_DSML社区版-机器学习分类，机器学习分类通常通过监督学习来完成，即使用带有标签的数据集进行训练，使模型能够预测新的数据样本所属的类别。

股票价格是一种不稳定的时间序列,受多种因素的影响。影响股市的外部因素很多,主要有经济因素、政治因素和公司自身因素三个方面的情况。自股票市场出现以来,研究人员采用各种方法研究股票价格的波动。随着数理统计方法和机器学习的广泛应用,越来越多的人将机器学习等预测方法应用于股票预测中,如神经网络预测、决策树预测、支持向量机预测、逻辑回归预测等。