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
Alternatives and similar repositories for hyper-parameters-optimization:
Users that are interested in hyper-parameters-optimization are comparing it to the libraries listed below
- 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
- 基于遗传算法的BP神经网络☆16Updated 4 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
- 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
- 利用Python实现三层BP神经网络☆81Updated 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
- python 用GA算法优化BP神经网络☆155Updated 4 years ago
- 一种有效的电力负荷预测方法☆60Updated 5 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
- 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
- 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
- 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。☆93Updated 6 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。☆186Updated 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…☆77Updated 6 years ago
- 利用时间序列预测汽车销量☆39Updated 6 years ago
- PSO algorithm for multi-parameters optimizaiton☆66Updated 6 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
- 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
- 使用libsvm和遗传算法优化支持向量机的cost和gamma参数☆31Updated 12 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
- 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
- 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☆77Updated 2 years ago
- 学习吴恩达视频,完成一个小project。使用梯度下降、正则化、神经网络进行房价的预测。使用python中的numpy、scipy、pandas以及matplotlib完成编程的实现。☆25Updated 5 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。☆105Updated 5 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
- a back propagation neural network with genetic algorithm☆80Updated 7 years ago
- 时间序列ARIMA模型的销量预测☆63Updated 6 years ago
- 基于遗传算法的特征选择☆127Updated 5 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Keras的LSTM多变量时间序列预测☆23Updated 7 years ago