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
  ☆120Updated 5 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
  ☆53Updated 8 years ago
• ymzx / pso-svm
  粒子群算法优化支持向量机
  ☆143Updated 3 years ago
• ChileWang0228 / DeepLearningTutorial
  深度学习代码
  ☆132Updated 6 years ago
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆127Updated 6 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
  ☆58Updated 5 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
  ☆43Updated 6 years ago
• KeshengZhang / Covid-19-ARIMA-Time-Series-Prediction
  如何使用ARIMA模型预测世界肺炎确诊人数？【时序数据预测】
  ☆40Updated 5 years ago
• yx868868 / GA-optimized-neural-network
  python 用GA算法优化BP神经网络
  ☆164Updated 4 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
  ☆90Updated 5 years ago
• oubahe / GSA-PSO-SVR
  一种有效的电力负荷预测方法
  ☆64Updated 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
  ☆288Updated 5 years ago
• shiluqiang / PSO_python
  PSO algorithm for multi-parameters optimizaiton
  ☆66Updated 7 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆67Updated 3 years ago
• EthanChenYZ / Time-Series-Forecast
  Codes for time series forecast
  ☆146Updated 5 years ago
• Alxe1 / FeatureSelectionsAndExtractions
  feature selections and extractions
  ☆88Updated last year
• L-ear / RandomForest
  python实现的随机森林
  ☆112Updated 3 years ago
• mo2ye / SARIMA-LSTM
  建立SARIMA-LSTM混合模型预测时间序列问题。以PM2.5值为例，使用UCI公开的自2013年1月17日至2015年12月31日五大城市PM2.5小时检测数据，将数据按时间段划分，使用SARIMA过滤其线性趋势，再对过滤后的残差使用LSTM进行预测，最后对预测结果进行…
  ☆84Updated 7 years ago
• songzhuozhu / PyTorch-Course-Note
  ☆67Updated 5 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)
  ☆66Updated 5 years ago
• yangxcc / Sklearn-Algorithm
  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)
  ☆83Updated 5 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆84Updated 7 years ago
• luanshiyinyang / DataMiningProject
  包含一些比较常见的数据挖掘竞赛或者项目的源码
  ☆131Updated 6 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 6 years ago
• huidudaozou / Time-Series
  《应用时间序列分析》易丹辉、王燕著； 案例Python实现
  ☆17Updated 6 years ago
• SMU-Rainflow / PM2.5_predict
  XGB、LSTM、KNNR、SVR预测
  ☆13Updated last year
• SureeLee / ga_bp
  a back propagation neural network with genetic algorithm
  ☆83Updated 8 years ago
• KangCai / Machine-Learning-Algorithm
  【Numpy 手写实现】SVM 支持向量机 | KNN K近邻 | Kmeans | Logistic Regression 逻辑回归 | Maximum Entropy 最大熵 | Naive Bayes 朴素贝叶斯 | Perception 感知机 | Decision…
  ☆216Updated 5 years ago
• 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
  ☆38Updated 5 years ago
• xinlianghu / svm
  用Python实现SVM多分类器
  ☆436Updated last year