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
  ☆41Updated 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
• zhaoxingfeng / SVM
  支持向量机，Support Vector Machine(SVM)，多类分类
  ☆31Updated 8 years ago
• Alxe1 / FeatureSelectionsAndExtractions
  feature selections and extractions
  ☆89Updated 8 months 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
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆127Updated 5 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆68Updated 2 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
  ☆36Updated 4 years ago
• 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。
  ☆20Updated last year
• 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)
  ☆61Updated 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
  ☆72Updated 4 years ago
• Anonymoushhh / Ensemble_Learning
  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。
  ☆23Updated 6 years ago
• ymzx / pso-svm
  粒子群算法优化支持向量机
  ☆133Updated 2 years ago
• xuman-Amy / preprocessing
  数据预处理之缺失值处理，特征选择
  ☆21Updated 5 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆80Updated 6 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
• shiluqiang / PSO_python
  PSO algorithm for multi-parameters optimizaiton
  ☆66Updated 6 years 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
  ☆149Updated 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
  ☆40Updated last year
• bingdiaoxiaomao / hyper-parameters-optimization
  机器学习算法超参数的优化方法——基于hyperopt和bayes_opt
  ☆14Updated 6 years ago
• shiluqiang / RBF_NN_Python
  Python code of RBF neural network classification model
  ☆44Updated 6 years ago
• jia-zhuang / xgboost-lightgbm-hyperparameter-tuning
  Bayesian Optimization and Grid Search for xgboost/lightgbm
  ☆66Updated 2 weeks ago
• lixiang007666 / BP_regression
  通用的BP神经网络回归代码
  ☆22Updated 4 years ago
• ccc-hhh / BPNN-regression-and-classify
  1、BP-momentum神经网络numpy实现及Pytorch实现及各optim在AQI数据集的表现。2、BP网络分类
  ☆38Updated 4 years ago
• AbtMyML / -SVM
  麻雀算法优化支持向量机 python实现
  ☆13Updated 2 years ago
• BJQ98 / Back-Propagation-Neural-Network
  简单的BP神经网络Python实现，自定义神经元层数和数量，单次输入/输出均为一维列表
  ☆10Updated 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】
  ☆41Updated 4 years ago
• fff2zrx / lstm_example
  use lstm to predict value and label based on keras基于keras框架，用lstm解决回归和分类问题
  ☆18Updated 4 years ago