Alternatives and similar repositories for stacking:

Users that are interested in stacking are comparing it to the libraries listed below

• luanshiyinyang / Stacking
  机器学习集成模型之Stacking各类模型及工具源码
  ☆115Updated 4 years ago
• qiuhaining / sklearn-SVM
  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
  ☆52Updated 7 years ago
• angeliababy / houseprice_regression
  数据特征工程、各种机器学习回归模型、回归数据预处理
  ☆39Updated 5 years ago
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆126Updated 5 years ago
• Ultraopxt / Predict-the-rent-probability-of-a-room
  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
  ☆54Updated 4 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆68Updated 2 years ago
• zhaoxingfeng / SVM
  支持向量机，Support Vector Machine(SVM)，多类分类
  ☆30Updated 8 years ago
• aflyingpig0226 / feature-engineering
  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 5 years ago
• coder23263 / Machine_learning_prediction_system
  机器学习预测系统汇总：包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测
  ☆72Updated 4 years ago
• ymzx / pso-svm
  粒子群算法优化支持向量机
  ☆133Updated 2 years ago
• HiddenSharp / LSTM-SVM-RF-time-series
  Regression prediction of time series data using LSTM, SVM and random forest. 使用LSTM、SVM、随机森林对时间序列数据进行回归预测，注释拉满。
  ☆182Updated 4 years ago
• lyx199504 / param-opt
  本项目开发了一个机器学习和深度学习的训练工具。该训练工具基于sklearn和pytorch，不仅支持常规训练、交叉验证训练，还支持贝叶斯搜索参数，并可随时自动保存训练模型和日志。
  ☆11Updated last year
• zhulei227 / ML_imblearn
  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
• Wddzht / DataPreprocessing
  数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)
  ☆60Updated 4 years ago
• kikizxd / Data_preprocessing
  常见的数据预处理，包括数据加载、缺失值&异常值处理、描述性变量转换为数值型、训练测试集划分、数据规范化
  ☆39Updated last year
• WangXiaoMingo / machine-learning
  常见机器学习算法回归、分类应用示例，调参；包括基础的线性回归算法、集成学习、支持向量机等；调参包括网格搜索、随机搜索、贝叶斯优化、优化算法如GA优化等。
  ☆19Updated last year
• wyn-365 / temp-predict
  实验源代码-----基于随机森林的气温预测
  ☆39Updated 4 years ago
• huidudaozou / Time-Series
  《应用时间序列分析》易丹辉、王燕著； 案例Python实现
  ☆15Updated 5 years ago
• qiaokangqi / CNN-SVM
  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
• cainsmile / GA_for_Feature_Selection
  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
• BackyardofAbela / EnsembleLearning
  包括决策树和随机森林进行离职人员预测，Xgboost和lightGBM的应用
  ☆281Updated 4 years ago
• Alxe1 / FeatureSelectionsAndExtractions
  feature selections and extractions
  ☆87Updated 7 months ago
• goodboyv / Sklearn_Mochine_leanring
  利用sklearn实现机器学习算法：线性回归、逻辑回归、决策树、随机森林、SVM等
  ☆146Updated 4 years ago
• xuman-Amy / preprocessing
  数据预处理之缺失值处理，特征选择
  ☆21Updated 5 years ago
• jia-zhuang / xgboost-lightgbm-hyperparameter-tuning
  Bayesian Optimization and Grid Search for xgboost/lightgbm
  ☆66Updated 6 years ago
• lixiang007666 / BP_regression
  通用的BP神经网络回归代码
  ☆22Updated 4 years ago
• CLaraRR / autoencoder_practice
  AutoEncoder implements by keras. Including AE, DAE, DAE_CNN, VAE, VAE_CNN, CVAE, Sparse AE, Stacked DAE.
  ☆40Updated 4 years ago
• bubbliiiing / Keras-Attention
  这个仓库主要包含了LSTM、卷积神经网络中，注意力机制的实现。
  ☆131Updated 4 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆80Updated 6 years ago
• jeurtr / TimeSeries_Predict
  客流量时间序列预测模型
  ☆117Updated 2 years ago