angeliababy / houseprice_regression
数据特征工程、各种机器学习回归模型、回归数据预处理
☆41Updated 5 years ago
Alternatives and similar repositories for houseprice_regression:
Users that are interested in houseprice_regression 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☆54Updated 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
- 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☆73Updated 4 years ago
- 利用时间序列预测汽车销量☆38Updated 6 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
- 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
- 时间序列ARIMA模型的销量预测☆62Updated 6 years ago
- 利用Python实现三层BP神经网络☆81Updated 6 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☆31Updated 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☆154Updated 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
- 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☆41Updated last year
- 客流量时间序列预测模型☆119Updated 3 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测,洗发水销量/股票走势预测,有状态循环神经网络☆58Updated 7 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…☆45Updated 4 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆116Updated 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)☆82Updated 4 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。☆185Updated 4 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.☆35Updated 4 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…☆75Updated 6 years ago
- 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☆44Updated 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
- 如何使用ARIMA模型预测世界肺炎确诊人数?【时序数据预测】☆41Updated 4 years ago
- 集成学习Stacking方法详解☆74Updated 5 years ago
- 改进的k-prototypes聚类算法☆18Updated 4 years ago
- 一种有效的电力负荷预测方法☆60Updated 5 years ago
- 基于遗传算法的特征选择☆127Updated 5 years ago
- 基于粒子群算法的神经网络优化股票价格预测☆33Updated 4 years ago
- 2021年研究生数学建模竞赛B题,全国二等奖,空气质量预报二次建模,时间序列数据分析与回归预测。Time Series Prediction&Air Quality Prediction.☆36Updated 3 years ago
- 不同时间序列预测方法对上海旅游规模进行预测☆17Updated 6 years ago