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。
☆21Updated last year
Alternatives and similar repositories for machine-learning:
Users that are interested in machine-learning are comparing it to the libraries listed below
- 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
- 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☆74Updated 4 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆117Updated 4 years ago
- 集成学习Stacking方法详解☆74Updated 5 years ago
- 基于粒子群算法优化的BPNN和ElM对海浪高度的预测☆40Updated 3 years ago
- 麻雀算法优化支持向量机 python实现☆13Updated 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。☆190Updated 4 years ago
- python 用GA算法优化BP神经网络☆156Updated 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☆42Updated 5 years ago
- 机器学习算法超参数的优化方法——基于hyperopt和bayes_opt☆14Updated 6 years ago
- 基于遗传算法的BP神经网络☆16Updated 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)☆62Updated 4 years ago
- 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
- 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☆161Updated 4 years ago
- 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
- 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☆15Updated 6 years ago
- 利用回归模型实现房价预测☆45Updated 6 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 years ago
- 使用bp神经网络预测股票价格。BP neural network is used to predict the stock price.☆36Updated 4 years ago
- 粒子群算法优化支持向量机☆137Updated 2 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
- PSO algorithm for multi-parameters optimizaiton☆66Updated 6 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☆52Updated 7 years ago
- 利用时间序列预测汽车销量☆39Updated 6 years ago
- graduation design DBN + SVM☆35Updated 6 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆80Updated 3 years ago
- 基于深度学习的溶解氧时间序列预测模型☆28Updated 5 years ago
- 基于VMD-Attention-LSTM的时间序列预测模型(代码仅使用了一个较小数据集的训练及预测,内含使用使用逻辑,适合初学者观看,模型结构是可行的,有能力的请尝试使用更大的数据集训练)☆57Updated 2 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】☆41Updated 5 years ago
- 本项目为时间序列预测项目,主要重点在于对预测项目整体流程的梳理总结,不同框架下如何进行简单数据处理和模型搭建。因此项目中搭建的主要为一些常用模型(后续会不断修改完善)。模型包含了prophet模型、keras库的bp神经网络和lstm网络模型、pytorch …☆21Updated 2 years ago