Alternatives and similar repositories for Logistic-Regression

Users that are interested in Logistic-Regression are comparing it to the libraries listed below

• heiqiaoxiang / fastunfolding
  ☆12Updated 7 years ago
• LeronQ / score_logistic
  构建基于逻辑回归的评分卡模型
  ☆45Updated 6 years ago
• youngerForCode / weipinhui
  唯品会用户购买行为预测
  ☆31Updated 7 years ago
• huang027 / WEO
  信用风险评估评分卡
  ☆11Updated 7 years ago
• darlinglele / regression
  机器学习之回归问题：线性回归、逻辑回归等等
  ☆18Updated 11 years ago
• kunguang / SelectFeature
  主要解决ctr预估工程中的特征选择，特征编号(特征离散),单特征auc和logloss这3个问题.
  ☆20Updated 8 years ago
• catqaq / StepIntoRecommenderSystems
  RecommenderSystems: from 0 to practice. 包括推荐系统实践和深度推荐系统两部分
  ☆17Updated 3 years ago
• kdYY / music
  基于用户画像的音乐推荐系统
  ☆14Updated 6 years ago
• changxizhu / csdnSMP
  csdn用户画像的源码
  ☆20Updated 8 years ago
• zkailinzhang / shortvideo_youtubeDNN_recommend
  短视频 youtube召回模型推荐，特征包括标题 tags id，tfserving docker部署
  ☆22Updated 4 years ago
• MrQuJL / recommendation-based-on-SparkMLLib
  基于SparkMLLib实现的商品推荐功能，包括：基于用户的协同过滤，基于物品的协同过滤，基于ALS交替最小二乘的协同过滤。
  ☆37Updated 6 years ago
• fuhailin / Memory-based-collaborative-filtering
  高效的协同过滤算法实现——推荐系统
  ☆53Updated 3 years ago
• fuhailin / Recommender-System
  利用MovieLens数据，Pearson相似度，分别基于User和Item构建一个简单的kNN推荐系统，并给出RMSE评测
  ☆68Updated 6 years ago
• fly-adser / tensorflow-CTR
  Tensorflow implementations of various Learning to CTR algorithms.
  ☆18Updated 3 years ago
• jianxuhuawei / graphx-labelpropagation
  An implementation of label propagation from the paper "Learning from labeled and unlabeled data with label propagation"
  ☆20Updated 9 years ago
• NoisyWinds / Recommend
  Python 3.6 下的推荐算法解析，尽量使用简单的语言剖析原理，相似度度量、协同过滤、矩阵分解等
  ☆105Updated 7 years ago
• TongzheZhang / DF-competition-sogou
  大数据精准营销中搜狗用户画像挖掘
  ☆36Updated 8 years ago
• caoxingchao / movieLens
  使用 Spark MLlib 的 ALS 算法的电影推荐系统
  ☆42Updated 8 years ago
• Chaucergit / Code-and-Algorithm
  Machine Learning and Deep Learning
  ☆21Updated 6 years ago
• jiejie1993 / music_recommendation_2018
  1.解析爬取到的Json歌单数据，并进行数据预处理。 2.基于Surprise推荐系统库，采用KNNBaseLine实现基于用户 的协同过滤歌曲推荐。3.借鉴Word2Vec算法思想进行Song2Vec处理，实现基于物品的协同过滤歌曲推荐。 4.采用 TensorFlow实…
  ☆39Updated 7 years ago
• linzhouzhi / spark_recommend
  hbase + spark 实现常用推荐算法（主要用于精准广告投放和推荐系统）
  ☆68Updated 9 years ago
• Chihuataneo / Spark_Personas
  Spark中实现用户画像系统价值度、忠诚度、流失预警、活跃度等模型
  ☆66Updated 8 years ago
• 03pie / SMPCUP2017
  CSDN用户画像技术评测
  ☆27Updated 6 years ago
• changge458 / userdraw
  用户画像代码，根据算法推算出用户的性别和年龄比率
  ☆11Updated 7 years ago
• JasonWiki / recommend
  基于 spark 推荐系统, 基于内容标签 CBCF 实现，协同过滤 UBCF 实现，协同过滤 IBCF 实现
  ☆46Updated 8 years ago
• Fisher87 / ai_explore
  机器学习、深度学习基础知识. 推荐系统及nlp相关算法实现
  ☆68Updated 3 years ago
• hitcszq / machine_learning_basic_algo
  machine_learning的使用python基本算法实现，包括正则化的多项式拟合，em对高斯混合模型的聚类，逻辑回归，pca降维。于2015年秋季学期机器学习课完成。（包含报告）
  ☆20Updated 9 years ago
• weijie-he / jinyong
  使用Spark Graphx 分析金庸”射雕三部曲“
  ☆46Updated 4 years ago
• hello-world-zsp / SDAE-recommendation
  SDAE-recommendation system
  ☆11Updated 7 years ago
• wuxinping1992 / cf_gbdt_lr
  简单的实现推荐系统的召回模型和排序模型，其中召回模型使用协同过滤算法，排序模型使用gbdt+lr算法
  ☆58Updated 6 years ago