ShizhongLi / bike_sharing_neural_networkLinks
本项目基于共享单车公司历史用户使用数据,创建神经网络模型,实现完整的前向和反向传播,训练模型使其具有预测未来单车使用量的能力,帮助共享单车公司决策单车的储备量以适配单车使用需求。
☆10Updated 7 years ago
Alternatives and similar repositories for bike_sharing_neural_network
Users that are interested in bike_sharing_neural_network are comparing it to the libraries listed below
Sorting:
- 携程旅游景点爬虫☆22Updated 6 years ago
- 1.解析爬取到的Json歌单数据,并进行数据预处理。 2.基于Surprise推荐系统库,采用KNNBaseLine实现基于用户 的协同过滤歌曲推荐。3.借鉴Word2Vec算法思想进行Song2Vec处理,实现基于物品的协同过滤歌曲推荐。 4.采用 TensorFlow实…☆39Updated 7 years ago
- 对电信公司的数据做出分析,特征可视化,建立模型预测未知客户是否为要流失的客户。☆27Updated 4 years ago
- 研一秋季学期《网络数据挖掘》大作业 - 新闻推荐系统☆14Updated 10 years ago
- 音乐推荐系统,基于Apriori算法实现对音乐类型推荐☆22Updated 6 years ago
- SparkMLlib智慧交通项目☆16Updated 7 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆70Updated 10 years ago
- 职位推荐系统☆25Updated 9 years ago
- 任务型多轮对话管理系统 —— 后端☆10Updated 3 years ago
- 简单的基于新闻语料的推荐算法实现☆22Updated 9 years ago
- 深度学习基础学习以及工作项目☆23Updated 7 years ago
- 基于用户行为的用户画像项目☆79Updated 7 years ago
- 高效的协同过滤算法实现——推荐系统☆52Updated 3 years ago
- 卷积神经网络(CNN)提取影评特征构建电影推荐系统,pytorch实现☆130Updated 8 years ago
- 基于RFM和决策树模型构建专家推荐系统。融合了RFM模型和决策树模型,结合专业运营人员的业务经营,发掘潜在用户,进行推荐营销召回。☆88Updated last year
- 一个新闻推荐系统的web实现☆47Updated 3 years ago
- 《推荐系统开发实战》 代码及勘误☆60Updated 5 years ago
- Python与机器学习方向,《聚类与推荐算法》课程仓库☆43Updated 7 years ago
- 智能家居(Intelligent Furniture)☆12Updated 6 years ago
- CSDN用户画像技术评测☆27Updated 6 years ago
- 住房月租金预测大数据赛TOP1☆29Updated 6 years ago
- 依据香港中文大学设计的规则系统,先用小样本评论建立初始关键词库,再结合18种句式逐条匹配评论,能够快速准确地识别评论对象及情感极性。经多次迭代优化关键词库后,达到较高准确率的基础上,使用Tableau进一步分析数据,识别出客户集中关注的商品属性、普遍好评差评的商品属性;通过…☆57Updated 8 years ago
- 新闻分类系统&谣言处理系统☆79Updated 8 years ago
- 使用 Spark MLlib 的 ALS 算法的电影推荐系统☆42Updated 8 years ago
- 一些经典的个性化推荐算法的实现,从理论推导到实战☆68Updated 5 years ago
- 某电商手机评论的文本挖掘初体验 功能板块:数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆123Updated 6 years ago
- 基于用户行为的推荐算法大赛---第四名(临兵斗列)☆41Updated 9 years ago
- 基于SparkMLLib实现的商品推荐功能,包括:基于用户的协同过滤,基于物品的协同过滤,基于ALS交替最小二乘的协同过滤。☆37Updated 6 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆102Updated 7 years ago
- 利用kashgari轻松搭建文本分类模型。☆25Updated 6 years ago