R-Stalker / xgboost-pythonLinks
python code for xgboost(train, predict, evaluate)
☆21Updated 6 years ago
Alternatives and similar repositories for xgboost-python
Users that are interested in xgboost-python are comparing it to the libraries listed below
Sorting:
- 西南财经大学“新网银行杯”数据科学竞赛 2/721☆32Updated 6 years ago
- 天池-印象盐城-汽车销量预测大赛☆36Updated 7 years ago
- jdata联通赛top11特征分析及详细代码（含注释）☆14Updated 7 years ago
- 为天池数据竞赛写的自动化特征工程和训练工具，可以通过配置的方式从mysql数据库中生成特征。同时重新封装了数据，特征和模型，使其可以被自动化测试系统识别及调用。待完成的工作：自动化测试系统的调度关键技术。☆12Updated 9 years ago
- 科赛 携程出行产品未来14个月销量预测 第2名☆62Updated 8 years ago
- 基于用户行为的推荐算法大赛---第四名（临兵斗列）☆41Updated 8 years ago
- 住房月租金预测大数据赛TOP1☆30Updated 6 years ago
- CCF_大数据精准营销中搜狗用户画像挖掘☆17Updated 8 years ago
- #30 at KDD CUP 2018 https://biendata.com/competition/kdd_2018/☆42Updated 7 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
- CCF农产品价格预测线上rank2代码☆105Updated 8 years ago
- 唯品会用户购买行为预测☆29Updated 7 years ago
- 竞赛项目集合：Rossmann销售预测(Top3%)、HousePrices(Top34%)、数字识别(Top78%)、泰坦尼克(Top83%)、能源预测③(Top36%)、未来价格预测(Top37%)、NFL大数据碗(Top61%)、厄瓜多尔连锁超市销售预测(Top48%…☆40Updated 4 years ago
- Solutions of the forecast problem using Xgboost☆92Updated 6 years ago
- 智能制造工业AI Top2解决方案☆20Updated 6 years ago
- [Data Castle 算法竞赛] 精品旅行服务成单预 测 final rank 11☆95Updated 7 years ago
- 讯飞移动广告反欺诈算法竞赛☆33Updated 5 years ago
- 初赛Rank1 复赛Rank1 2018 CCF 大数据与计算智能大赛 供应链需求预测 Miracccccccle☆183Updated 6 years ago
- CCF2016 - TNT_000二等奖作品☆63Updated 8 years ago
- 2019数字中国创新大赛 混凝土泵车砼活塞故障预警 亚军☆21Updated 6 years ago
- 2017京东信贷金额预测竞赛，上传的代码有竞赛的原始代码和赛后结合其他选手的思路整理的重构代码。☆45Updated 7 years ago
- ATEC蚂蚁开发者大赛-风险大脑-支付风险识别☆18Updated 7 years ago
- ☆12Updated 8 years ago
- CCF2018 数据挖掘 机器学习 智能匹配 特征工程☆48Updated 5 years ago
- 2017天池口碑商家客流量预测☆119Updated 7 years ago
- 国内首个迁移学习赛题 中国平安前海征信“好信杯”迁移学习大数据算法大赛 FInSight团队作品(算法方案排名第三)☆87Updated 6 years ago
- 马上消费金融挑战者大赛-违约用户风险预测--第三名方案☆75Updated 5 years ago
- FP-growth codes in "Machine Learning in Action"☆52Updated 7 years ago
- Examples of how to do feature engineering and Xgboost parameter tuning☆48Updated 8 years ago
- 基于ARIMA时间序列的销量预测模型，实际预测准确率达90%以上，内含有测试记录和实际上线效果。☆103Updated 5 years ago