Wddzht / DataPreprocessingLinks
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
Alternatives and similar repositories for DataPreprocessing
Users that are interested in DataPreprocessing 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
- 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。☆191Updated 5 years ago
- 基于粒子群算法优化的BPNN和ElM对海浪高度的预测☆42Updated 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☆79Updated 2 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☆56Updated 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☆42Updated last year
- 粒子群算法优化支持向量机☆139Updated 3 years ago
- 一种有效的电力负荷预测方法☆63Updated 5 years ago
- 基于统计学的时间序列预测(AR,ARM).☆280Updated 4 years ago
- 集成学习Stacking方法详解☆76Updated 5 years ago
- 客流量时间序列预测模型☆126Updated 3 years ago
- python 用GA算法优化BP神经网络☆158Updated 4 years ago
- 使用多种算法（线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM）进行电力系统负荷预测/电力预测。通过一个简单的例子。A variety of algorithms (linear regression, random forest, support vecto…☆171Updated 5 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
- 风力发电非常环保，且风能蕴量巨大，因此日益受到世界各国的重视。但是对于实际采集 到的测风数据及功率数据都存在各种各样的问题，需要有准确的实测数据来分析风电特征及发电规律 而且从风场收集到的数据中通常包含异常数据点，造成计算机进行数据筛选和排序的速度比较慢，因此 需要可靠有…☆28Updated 4 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
- 包含一些比较常见的数据挖掘竞赛或者项目的源码☆129Updated 6 years ago
- 基于pytorch搭建多特征LSTM时间序列预测☆171Updated 2 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 5 years ago
- LSTM + Wavelet（长短期记忆神经网络+小波分析）：深度学习与数字信号处理的结合☆178Updated 6 years ago
- Pytorch 实现RNN、LSTM、GRU模型☆78Updated 7 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☆174Updated 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…☆146Updated 4 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
- Codes for time series forecast☆146Updated 4 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆82Updated 3 years ago
- 深度学习以进行时间序列预测☆675Updated 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)☆83Updated 5 years ago