【文件属性】：
文件名称：PrediccionAUCORP:预测时间序列（预测时间序列）usando MLP。 LSTM，RNN
文件大小：11.72MB
文件格式：ZIP
更新时间：2021-03-28 10:10:58
ai lstm forecasting rnn mlp
预测AUCORP
Preempcion de Valores en系列de Tiempo（预测时间序列）usando MLP，LSTM-RNN
重要信息Entrega 2-Python 08/09/2019： :
Entrega 1-Weka： :
Analisis Normalizado： ：
Analisis否Normalizado： :
配置
正确的Jupyter笔记本电脑实物尺寸和尺寸2
配置1
Entorno Conda进口商品：（ Para进口商品，包括Anaconda 3。
La版本de python和demas estan determinados en el siguiente entorno）
配置2
配置指令
相依性：
Python 3.6 （不推荐使用ES基本版con sta版本ya que Py3.7 no corren algu
【文件预览】：
PrediccionAUCORP-master
----Entrega()
--------aucorpTest.csv(3KB)
--------Prediccion de Ventas en una Serie de Tiempo - P. Aucay.ipynb(72KB)
--------aucorpTrain.csv(7KB)
--------base_datos_ventas2.csv(9KB)
--------dataframeStandarized.csv(23KB)
--------ventas_totales_Veh_livianos.svg(144KB)
--------ventasGrafica.svg(142KB)
--------Ambiente Conda()
--------dataframeNormalize.csv(25KB)
--------t_inflacion.svg(183KB)
--------base_datos_ventas.csv(8KB)
--------base_datos_ventas xlsx.xlsx(27KB)
--------.ipynb_checkpoints()
----Respaldo Aucay.zip(1.34MB)
----Reporte “AUCORP”.pdf(715KB)
----.ipynb_checkpoints()
--------Resultados-checkpoint.ipynb(6KB)
--------Analisis Variables Sin Normalizar-checkpoint.ipynb(1.15MB)
--------Analisis Variables Normalizado-checkpoint.ipynb(683KB)
----README.md(2KB)
----MLP()
--------modeloMultivariadoSEP12100c1Acc.png(103KB)
--------modeloUnivariado200100.h5(27KB)
--------modeloMultivariadoSEP12100.h5(27KB)
--------aucorpTrain.csv(9KB)
--------modeloMultivariadoPM200100.h5(84KB)
--------modeloMultivariadoMLPI10012.h5(109KB)
--------modeloUnivariado20012lossMLPUnivariado.png(146KB)
--------aucorpTrainActualizado.csv(18KB)
--------Perceptron Multicapa Univariada en el Tiempo.ipynb(190KB)
--------modeloMultivariadoMLPI200100c1Loss.png(142KB)
--------indicacion3.png(6KB)
--------LecturaConversionACSV.ipynb(12KB)
--------indicacion1.png(15KB)
--------Perceptron Multicapa Multivariado en el Tiempo - Pronóstico Multivariante.ipynb(160KB)
--------modeloMultivariadoMLPI200100.h5(170KB)
--------modeloMultivariadoPM200100c1Acc.png(123KB)
--------modeloMultivariadoMLPI200100c1Acc.png(106KB)
--------modeloMultivariadoMLPI10012c1Loss.png(147KB)
--------indicacion2.png(12KB)
--------modeloMultivariadoMLPI10012c1Acc.png(102KB)
--------modeloMultivariadoSEP1001.h5(67KB)
--------modeloUnivariado200100accuracyMLPUnivariado.png(106KB)
--------modeloMultivariadoPM10012c1Loss.png(149KB)
--------prueba1.csv(18KB)
--------Perceptron Multicapa Multivariado en el Tiempo - Serie de entradas múltiples.ipynb(158KB)
--------modeloMultivariadoSEP1001c1Loss.png(148KB)
--------modeloMultivariadoPM10012c1Acc.png(103KB)
--------indicacion5.png(10KB)
--------todas_las_variables.xlsx(26KB)
--------modeloUnivariado20012 .h5(23KB)
--------Perceptron Multicapa Multivariado en el Tiempo - MLP de entrada de múltiples cabezas.ipynb(188KB)
--------indicacion4.png(917B)
--------Apuntes.txt(5KB)
--------.ipynb_checkpoints()
--------modeloUnivariado200100lossMLPUnivariado.png(149KB)
--------modeloMultivariadoSEP1001c1Acc.png(106KB)
--------modeloUnivariado20012accuracyMLPUnivariado.png(103KB)
--------modeloMultivariadoPM200100c1Loss.png(126KB)
--------modeloMultivariadoSEP12100c1Loss.png(127KB)
--------modeloMultivariadoPM10012.h5(29KB)
----ForecastWEKA()
--------RESULT2.txt(8.21MB)
--------RESULT2.model(10.95MB)
--------RESULT3.txt(1.95MB)
--------RESULT3.png(40KB)
--------RESULT2.png(40KB)
--------RESULT1.png(28KB)
--------RESULT1.txt(35KB)
--------RESULT1.model(10.95MB)
--------RESULT3.txt.model(7.59MB)