Alternatives and similar repositories for houseprice_regression

Users that are interested in houseprice_regression are comparing it to the libraries listed below

• aflyingpig0226 / feature-engineering
  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
• coder23263 / Machine_learning_prediction_system
  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
• bingdiaoxiaomao / hyper-parameters-optimization
  机器学习算法超参数的优化方法——基于hyperopt和bayes_opt
  ☆14Updated 6 years ago
• Wddzht / DataPreprocessing
  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
• Ultraopxt / Predict-the-rent-probability-of-a-room
  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
• wikke / TimeSeriesPrediction
  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
• kikizxd / Data_preprocessing
  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
• huang027 / ARIMA
  时间序列ARIMA模型的销量预测
  ☆63Updated 6 years ago
• yangxcc / Sklearn-Algorithm
  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 5 years ago
• yuchengle / Arima
  利用时间序列预测汽车销量
  ☆40Updated 6 years ago
• SuperTorch / SupplyChain
  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
  ☆33Updated 4 years ago
• HiddenSharp / LSTM-SVM-RF-time-series
  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 5 years ago
• GUOxingyu3018 / Tourist_Predict--A-case-of-Shangahi
  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
• goodboyv / Sklearn_Mochine_leanring
  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
  ☆166Updated 5 years ago
• luanshiyinyang / Stacking
  机器学习集成模型之Stacking各类模型及工具源码
  ☆116Updated 4 years ago
• tjhznb666 / Predicting-future-customer-credit-risk-based-on-machine-learning-algorithm
  利用python对3000个数据利用机器学习算法建立模型，并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术；通过相关性分析进行特征选择；建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型，并通过网格搜索法确定最优参数…
  ☆31Updated 2 years ago
• ShaoQiBNU / stacking
  集成学习Stacking方法详解
  ☆74Updated 5 years ago
• momodagithub / regression-prediction-algorithms
  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
• yezhichen2 / cnn_lstm
  基于Keras的LSTM多变量时间序列预测
  ☆24Updated 7 years ago
• wzy6642 / K-Prototypes
  改进的k-prototypes聚类算法
  ☆18Updated 4 years ago
• lujiaxuan0520 / Prediction-and-Scheduling-of-Shared-Bike
  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。
  ☆98Updated 6 years ago
• huidudaozou / Time-Series
  《应用时间序列分析》易丹辉、王燕著； 案例Python实现
  ☆16Updated 5 years ago
• nanguoyu / StudentGradeRegression
  [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩
  ☆45Updated 6 years ago
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆128Updated 5 years ago
• yc-maltazard / BPNN_Python
  Python 建立的BP神经网络处理预测相关公交线路数据
  ☆36Updated 7 years ago
• mo2ye / SARIMA-LSTM
  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…
  ☆79Updated 6 years ago
• xuman-Amy / preprocessing
  数据预处理之缺失值处理，特征选择
  ☆21Updated 6 years ago
• xinchenstephen / stock_prediction
  基于粒子群算法的神经网络优化股票价格预测
  ☆33Updated 5 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆82Updated 7 years ago
• Perry961002 / Forecast-Loan-Default
  机器学习实践：贷款违约预测
  ☆37Updated 5 years ago