Ultraopxt / Predict-the-rent-probability-of-a-roomLinks
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
☆56Updated 5 years ago
Alternatives and similar repositories for Predict-the-rent-probability-of-a-room
Users that are interested in Predict-the-rent-probability-of-a-room are comparing it to the libraries listed below
Sorting:
- 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☆79Updated 5 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☆44Updated 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 5 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☆176Updated 5 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)☆83Updated 5 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 years ago
- 机器学习(Machine Learning, ML)python简洁实现，包括混合高斯模型，KMeans，决策树，随机森林，K近邻，线性判别分析，逻辑斯蒂回归（梯度下降法，牛顿法），多层感知机（分类+回归），Naive Bayes（离散+高斯），多分类SVM，线性回归，隐马…☆147Updated 4 years ago
- 利用回归模型实现房价预测☆45Updated 6 years ago
- 集成学习Stacking方法详解☆76Updated 5 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)☆63Updated 5 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☆53Updated 7 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆352Updated 5 years ago
- 客流量时间序列预测模型☆126Updated 3 years ago
- 基于SVM的简单机器学习分类，可以使用svm, knn, 朴素贝叶斯，决策树四种机器学习方法进行分类☆117Updated 2 years ago
- 支持向量机，Support Vector Machine(SVM)，多类分类☆31Updated 8 years ago
- 利用时间序列预测汽车销量☆41Updated 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☆43Updated last year
- 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☆79Updated 3 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。☆192Updated 5 years ago
- 实验源代码-----基于随机森林的气温预测☆43Updated 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
- python 用GA算法优化BP神经网络☆158Updated 4 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念，包括有监督学习，无监督学习，分类，聚类，回归；神经元模型，多层感知器，BP算法；损失函数，激活函数，梯度下降法；全连接网络、卷积神经网络、递归神经网络；训练集，测试集，交叉验证，欠拟合，过拟合；数据规范化等☆156Updated 8 years ago
- 建立SARIMA-LSTM混合模型预测时间序列问题。以PM2.5值为例，使用UCI公开的自2013年1月17日至2015年12月31日五大城市PM2.5小时检测数据，将数据按时间段划分，使用SARIMA过滤其线性趋势，再对过滤后的残差使用LSTM进行预测，最后对预测结果进行…☆82Updated 6 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆118Updated 4 years ago
- 《应用时间序列分析》易丹辉、王燕著； 案例Python实现☆16Updated 5 years ago
- 时间序列ARIMA模型的销量预测☆62Updated 7 years ago
- 研究生数学建模，华为杯数学建模，2021D题，乳腺癌，机器学习，数据分析类，国家一等奖。全国第八。☆19Updated 3 years ago
- 智能供应链分析，对顾客用rfm模型分类，用多种机器学习模型建模，进行欺诈订单预测，延迟发货预测，销售额预测，销售数量预测☆35Updated 4 years ago
- 包括决策树和随机森林进行离职人员预测，Xgboost和lightGBM的应用☆289Updated 5 years ago