对于波士顿房价数据集490个数据点（每个点有三个特征）进行处理，以预测新房屋的销售价格。获取数据集的重要特征和描述性统计信息，拆分为测试数据集和训练数据集，并确定适用于此问题的性能指标。自己编写线性回归的模型，并使用不同的参数和训练集大小分析学习算法的性能图表。根据一个新样本测试此模型并将预测的销售价格与统计数据进行比较并对模型作出优化。

本项目从二维地图中分割出的矢量数据（包括建筑物、植被、水系和道路）为基础，生成对应的三维地形，其中负责将建筑物卫星图分割获取数据，通过各种图片相似度匹配算法找出与识别出的建筑物投影最相似的模型库中已有的建筑物。与被项目组采用。

本次以当前疫情为主要背景，围绕大数据可视化、网络爬虫、深度学习等技术展开，建立基于神经网络的数学模型，预测疫情以及分析走向。通过网络爬虫技术获取到腾讯、丁香园等平台公布的每日疫情数据，保存到数据库中，实时更新。利用数据可视化技术，将当期疫情动态以前端网页的形式展示。同时通过深度学习技术，基于时间序列，利用相关数据作出预测分析。 答辩当日预测确诊人数误差不超过10人，效果较好。