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
  ☆116Updated 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
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆128Updated 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
  ☆44Updated 5 years ago
• zhaoxingfeng / SVM
  支持向量机，Support Vector Machine(SVM)，多类分类
  ☆31Updated 8 years ago
• ymzx / pso-svm
  粒子群算法优化支持向量机
  ☆137Updated 2 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。
  ☆24Updated 6 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆68Updated 2 years ago
• shiluqiang / PSO_python
  PSO algorithm for multi-parameters optimizaiton
  ☆65Updated 6 years ago
• Alxe1 / FeatureSelectionsAndExtractions
  feature selections and extractions
  ☆88Updated last year
• 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
• AbtMyML / -SVM
  麻雀算法优化支持向量机 python实现
  ☆13Updated 3 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
  ☆76Updated 4 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
  ☆25Updated 7 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
  ☆55Updated 5 years ago
• jia-zhuang / xgboost-lightgbm-hyperparameter-tuning
  Bayesian Optimization and Grid Search for xgboost/lightgbm
  ☆74Updated 4 months ago
• Maria-Habib / GA-XGBoost-Evoloby
  ☆15Updated 4 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 7 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
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆82Updated 7 years ago
• yx868868 / GA-optimized-neural-network
  python 用GA算法优化BP神经网络
  ☆158Updated 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
• pengchen233 / EEMD-LSTM-Model
  基于深度学习的溶解氧时间序列预测模型
  ☆28Updated 5 years ago
• 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
• xuman-Amy / preprocessing
  数据预处理之缺失值处理，特征选择
  ☆21Updated 6 years ago
• L-ear / RandomForest
  python实现的随机森林
  ☆100Updated 2 years ago
• CLaraRR / autoencoder_practice
  AutoEncoder implements by keras. Including AE, DAE, DAE_CNN, VAE, VAE_CNN, CVAE, Sparse AE, Stacked DAE.
  ☆41Updated 5 years ago
• momodagithub / regression-prediction-algorithms
  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…
  ☆46Updated 4 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。
  ☆190Updated 5 years ago
• shih8674 / PSO-train-BP-NN
  use PSO to train the sigle layer NN structure
  ☆23Updated 2 years ago