Anonymoushhh / Ensemble_Learning
使用5-6个模型(可以是knn svm 贝叶斯等等)用投票的方式做一个集成学习对MNIST数据集进行分类。
☆21Updated 5 years ago
Related projects ⓘ
Alternatives and complementary repositories for Ensemble_Learning
- 支持向量机(SVM)——分类预测,包括多分类问题,核函数调参,不平衡数据问题,特征降维,网格搜索,管道机制,学习曲线,混淆矩阵,AUC曲线等☆51Updated 7 years ago
- 集成学习Stacking方法详解☆65Updated 5 years ago
- [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩☆45Updated 5 years ago
- 支持向量机,Support Vector Machine(SVM),多类分类☆28Updated 7 years ago
- 大数据线性回归预测学生成绩☆33Updated 4 years ago
- 聚类算法k-means的简单实现☆35Updated 6 years ago
- 卷积神经网络提取特征并用于SVM//www.cnblogs.com/chuxiuhong/p/6132814.html☆15Updated 6 years ago
- 机器学习的特征工程,包括特征抽取、特征预处理、特征选择、特征降维。☆24Updated 5 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆50Updated 4 years ago
- 基于Python实现了K-Means、GMM、DBSCAN、AGNES等四种常见的聚类算法☆66Updated 5 years ago
- 基于PyTorch使用迁移学习完成项目☆58Updated 6 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆38Updated 4 years ago
- 利用Python实现三层BP神经网络☆79Updated 6 years ago
- Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)☆79Updated 4 years ago
- 支持向量机的python实现☆43Updated 9 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- 数据预处理之缺失值处理,特征选择☆21Updated 5 years ago
- 机器学习课程大作业 - 基于深度神经网络的图像分类任务☆25Updated 7 years ago
- 使用支持向量机,感知机,随机森林,决策树,k近邻,logistic,LSTM,bagging,boosting,集成等多种常见算法实现多分类任务(三分类)。Support vector machine, perceptron, random forest, decision…☆16Updated 4 years ago
- 基于TensorFlow的深度学习、深度增强学习代码:NN(传统神经网络)、CNN(卷积神经网络)、RNN(递归神经网络)、LSTM(长短期记忆网络)、GAN(生成对抗网络)、DRL(深度增强学习)☆50Updated 6 years ago
- 毕业设计项目----基于图神经网络与多任务学习的图像分类器☆40Updated 4 years ago
- 基于pytorch进行文本多分类,主要模型为双向LSTM,预测准确率83%☆39Updated 4 years ago
- 使用遗传算法结合决策树做特征选择/Using genetic algorithm for feature selection with decision tree☆24Updated 6 years ago
- 实验源代码-----基于随机森林的气温预测☆35Updated 4 years ago
- Python 建立的BP神经网络处理预测相关公交线路数据☆36Updated 7 years ago
- 深度学习代码☆133Updated 5 years ago
- 数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)☆58Updated 4 years ago
- A convolutional autoencoder for feature extraction, with an SVM for image classification.☆11Updated 5 years ago