Minerva-J / MachineLearning
☆14Updated 4 years ago
Alternatives and similar repositories for MachineLearning:
Users that are interested in MachineLearning are comparing it to the libraries listed below
- 常用的特征选择方法☆68Updated 2 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。☆25Updated 6 years ago
- Stacking classification and regression☆24Updated 5 years ago
- 类别不平衡学习，包括采样、代价敏感学习、决策输出补偿以及集成学习等内容☆36Updated 4 years ago
- 基于自构造函数的特征提取评分项目（缺失值处理，单变量相关性分析，特征评分，降维）☆15Updated 7 years ago
- 在sklearn下，几种常用的特征选择方法☆40Updated 9 years ago
- top3-solution☆10Updated 5 years ago
- 整理所有特征工程用到的方法，为了复用☆10Updated 4 years ago
- LR / SVM / XGBoost / RandomForest etc.☆28Updated 4 years ago
- 数据预处理之缺失值处理，特征选择☆21Updated 6 years ago
- 当样本分布发生变化时，交叉验证无法准确评估模型在测试集上的效果，这时候需要其他构造验证集的方法来应对。☆51Updated 5 years ago
- https://www.kaggle.com/c/m5-forecasting-accuracy/overview/☆12Updated 4 years ago
- [译]tsfresh特征提取工具可提取的特征☆52Updated 5 years ago
- 天池-印象盐城-汽车销量预测大赛☆36Updated 7 years ago
- 《机器学习之类别不平衡问题》文章代码☆48Updated 6 years ago
- 2019科大讯飞工程机械赛题-亚军☆39Updated 5 years ago
- Bayesian Optimization and Grid Search for xgboost/lightgbm☆72Updated 2 months ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 交易欺诈作为信用卡行业面临的主要贷后风险业务问题，每年都使信用卡行业遭受巨额损失。基于大数据机器学习开发出高效的交易欺诈识别模型一直是金融行业的主要挑战之一。本次大赛以此作为主题☆42Updated 6 years ago
- 三大boosting算法的工程实现 XGBoost、LightGBM、Catboost原理实现及常见面试问题总结，以及其他理解深刻的机器学习、深度学习文章备份☆11Updated 3 years ago
- Kaggle 项目实战（教程） = 文档 + 代码 + 视频（欢迎参与）☆10Updated 5 years ago
- 《智能风控——原理、算法与工程实 践》☆28Updated 4 years ago
- 从0学习深度学习课程，跟随Andrew Ng的Coursera课程，课后根据记忆用python代码实现课程作业☆11Updated 5 years ago
- 智能制造工业AI Top2解决方案☆20Updated 6 years ago
- 分类类别不平衡，解决办法：采样(SMOTE和算法集成技术等)、阈值移动、调整代价或权重，附带信用卡诈骗案例☆21Updated 5 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☆44Updated 5 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆116Updated 4 years ago
- ☆20Updated 5 years ago
- 2019年CCF智能信用评分大赛个人源码库。包含XGboost模型调参，特征筛选，训练等方案。同时包含stacking模型融合方案☆27Updated 5 years ago
- The Python implementation of Tradaboost classifier and regressor☆15Updated 7 years ago