ShaoQiBNU / stacking
集成学习Stacking方法详解
☆74Updated 5 years ago
Alternatives and similar repositories for stacking:
Users that are interested in stacking are comparing it to the libraries listed below
- 机器学习集成模型之Stacking各类模型及工具源码☆116Updated 4 years ago
- 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
- 使用5-6个模型(可以是knn svm 贝叶斯等等)用投票的方式做一个集成学习对MNIST数据集进行分类。☆24Updated 6 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- 基于遗传算法的特征选择☆127Updated 5 years ago
- feature selections and extractions☆88Updated 9 months ago
- 粒子群算法优化支持向量机☆133Updated 2 years ago
- 数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)☆62Updated 4 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☆41Updated 5 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
- 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☆73Updated 4 years ago
- PSO algorithm for multi-parameters optimizaiton☆66Updated 6 years ago
- 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☆41Updated last year
- 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 5 years ago
- 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
- 使用支持向量机、弹性网络、随机森林、LSTM、SARIMA等多种算法进行时间序列的回归预测,除此以外还采取了多种组合方法对以上算法输出的结果进行组合预测。Support vector machine, elastic network, random forest, LSTM…☆45Updated 4 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
- 数据预处理之缺失值处理,特征选择☆21Updated 5 years ago
- 支持向量机,Support Vector Machine(SVM),多类分类☆31Updated 8 years ago
- Bayesian Optimization and Grid Search for xgboost/lightgbm☆70Updated last month
- 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。☆185Updated 4 years ago
- 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。☆20Updated last year
- 利用Python实现三层BP神经网络☆81Updated 6 years ago
- Use Genetic Algorithm and Simulate Anneal for feature selection. 用遗传算法/模拟退火算法进行特征选择.☆31Updated 4 years ago
- 麻雀算法优化支持向量机 python实现☆13Updated 3 years ago
- 一种有效的电力负荷预测方法☆60Updated 5 years ago
- use PSO to train the sigle layer NN structure☆23Updated 2 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测,洗发水销量/股票走势预测,有状态循环神经网络☆58Updated 7 years ago
- Weighted LSSVM for regression☆38Updated 6 years ago
- 利用python对3000个数据利用机器学习算法建立模型,并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术;通过相关性分析进行特征选择;建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型,并通过网格搜索法确定最优参数…☆31Updated 2 years ago