appke / Los-House-PricesLinks
洛杉矶房价预测
☆19Updated 5 years ago
Alternatives and similar repositories for Los-House-Prices
Users that are interested in Los-House-Prices are comparing it to the libraries listed below
Sorting:
- 房价预测完整项目:1.爬取链家网数据 2.处理后,用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好,R^2值0.75左右☆240Updated 6 years ago
- 机器学习实践:贷款违约预测☆38Updated 6 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆215Updated 6 years ago
- 基于ARIMA时间序列的销量预测模型,实际预测准确率达90%以上,内含有测试记录和实际上线效果。☆103Updated 6 years ago
- 构建基于逻辑回归的评分卡模型☆45Updated 6 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
- [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☆46Updated 6 years ago
- 分析银行营销活动数据以预测客户有多大可能购买存款产品☆13Updated 5 years ago
- 使用sklearn做特征工程☆175Updated 7 years ago
- 某电商手机评论的文本挖掘初体验 功能板块:数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆122Updated 6 years ago
- 利用Logistic回归实现信用卡欺诈检测☆48Updated 4 years ago
- 利用大数据与人工智能分析预测金融市场☆67Updated 2 years ago
- 机器学习、深度学习、NLP实战项目☆143Updated 7 years ago
- 智慧物流算法大赛简介: 根据包括货值、路程和油价等字段的数据集,对每趟货物运送的运价进行回归预测。 本项目为我的参赛代码,分为四个主要的部分:1.数据预处理;2.特征工程;3.建模调参训练;4.数据可视化。 最终获得了大赛的二等奖。☆37Updated 6 years ago
- 情感分析系统,用于分析用户评论是积极还是消极。其中使用了逻辑回归函数、决策树、支持向量机、神经网络等不同的模型进行训练☆34Updated 6 years ago
- 基于Python的申请信用评分卡模型分析☆142Updated 6 years ago
- 基于互联网金融平台2015年度贷款数据完成信贷违约预测模型,该模型可以作为信贷平台预测违约借款人的参考☆69Updated 7 years ago
- 对截止至2017年7月17日的债券违约事件进行梳理归因,并寻找宏观流动性影响因素,组成数据集。运用Lasso回归进行特征提取后,输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测,得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结…☆58Updated 6 years ago
- 用 jupyter notebook做的一些机器学习项目☆86Updated 5 years ago
- 基于BP神经网络的高频金融时间序列分析 (毕设)☆46Updated 6 years ago
- 统计分析课程实验作业/包含《统计分析方法》中因子分析,主成分分析,Kmeans聚类等典型算法的手写实现☆77Updated 5 years ago
- 人工智能社会保险反欺诈分析☆30Updated 7 years ago
- 唯品会用户购买行为预测☆29Updated 7 years ago
- Python数据科学系专栏(pandas、Numpy、SKlearn、Matplotlib)、实战项目(代码、讲解、数据集)☆220Updated last year
- 《Python数据预处理技术与实践》源码下载☆204Updated 5 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☆48Updated 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
- 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数据分析与挖掘实战》随书源码与数据☆289Updated 7 years ago
- 基于kaggle上Titanic数据集实现的ID3、C4.5、CART和CART剪枝算法☆41Updated 6 years ago