ShydowLi / Machine-Learning-With-R-
逻辑回归、时间序列、KNN、朴素贝叶斯、决策树、关联规则、线性回归、神经网络、SVM、模型评估以及提高模型性能
☆14Updated 5 years ago
Related projects: ⓘ
- 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☆60Updated 4 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆103Updated 3 years ago
- 机器学习算法超参数的优化方法——基于hyperopt和bayes_opt☆15Updated 6 years ago
- 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☆124Updated 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☆33Updated 4 years ago
- 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)☆76Updated 4 years ago
- 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☆47Updated 4 years ago
- 利用回归模型实现房价预测☆42Updated 5 years ago
- 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。☆168Updated 4 years ago
- 实验源代码-----基于随机森林的气温预测☆33Updated 4 years ago
- 用 jupyter notebook做的一些机器学习项目☆71Updated 4 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)☆54Updated 4 years ago
- 改进的k-prototypes聚类算法☆15Updated 3 years ago
- 包含灰色预测模型:灰色单变量预测模型GM(1,1)模型,灰色多变量预测模型GM(1,N)模型,GM(1,N)幂模型,灰色多变量周期幂模型GM(1,N|sin)幂模型,以及灰色关联模型☆68Updated 2 years ago
- ☆24Updated this week
- Python 建立的BP神经网络处理预测相关公交线路数据☆34Updated 6 years ago
- python 用GA算法优化BP神经网络☆136Updated 3 years ago
- 集成学习Stacking方法详解☆61Updated 5 years ago
- 随机森林,该模型用于预测气候温度☆12Updated last year
- 使用pyhton3语言对机器学习算法中的K近邻算法、线性回归、多项式回归、逻辑回归、PCA、SVM、决策树、随机森林、集成学习、boosting 等进行了算法的实现以及实验分析☆40Updated 5 years ago
- 如何使用ARIMA模型预测世界肺炎确诊人数?【时序数据预测】☆40Updated 4 years ago
- 不同时间序列预测方法对上海旅游规模进行预测☆16Updated 5 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆304Updated 4 years ago
- 机器学习算法之集成学习☆13Updated 5 years ago
- 基于深度学习的共享单车预测与调度解决方案,使用神经网络构建单车需求量与时间段和地理画像的关联,预测不同区域单车需求量;使用蚁群算法规划最优单车调度路径。☆79Updated 5 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☆33Updated last year
- 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…☆42Updated 4 years ago
- 逻辑回归做二分类进行癌症预测(基于细胞的属性特征)☆20Updated 5 years ago
- 机器学习算法经典案例☆93Updated 3 years ago
- 基于iris数据集进行四种机器学习算法(决策树、朴素贝叶斯、随机森林、支持向量机SVM)的训练,使用交叉检验(Cross-validation)对比了各算法的预测准确率。☆20Updated 4 years ago