bingshen / KingCountyLinks
美国King County房价预测训练赛 神经网络
☆36Updated 8 years ago
Alternatives and similar repositories for KingCounty
Users that are interested in KingCounty 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☆245Updated 7 years ago
- Python 建立的BP神经网络处理预测相关公交线路数据☆37Updated 8 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☆56Updated 8 years ago
- 基于TensorFlow的深度学习、深度增强学习代码：NN(传统神经网络)、CNN(卷积神经网络)、RNN(递归神经网络)、LSTM(长短期记忆网络)、GAN(生成对抗网络)、DRL(深度增强学习)☆57Updated 7 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。☆111Updated 6 years ago
- 利用Logistic回归实现信用卡欺诈检测☆50Updated 4 years ago
- 机器学习、深度学习、NLP实战项目☆150Updated 7 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☆71Updated 7 years ago
- 基于BP神经网络的高频金融时间序列分析 (毕设)☆49Updated 7 years ago
- 数据挖掘领域十大算法代码实现☆57Updated 9 years ago
- 基于分布式爬虫，采集互联网公开来源的金融类新闻和文档类文本； 基于文本挖掘技术，进行无监督/半监督学习的数据ETL与特征工程； 基于金融数据挖掘技术，进行宏观经济分析，基本面分析与行业分析☆109Updated 7 years ago
- 银行客户流失预警模型☆44Updated 7 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆213Updated 6 years ago
- 基于Keras的LSTM多变量时间序列预测☆185Updated 8 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☆123Updated 6 years ago
- bp 神经网络算法☆128Updated 2 years ago
- 为机器学习的入门者提供多种基于实例的sklearn、TensorFlow以及自编函数(AnFany)的ML算法程序。☆438Updated 4 years ago
- 算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息，得到相应的调仓对策。可回归（预测具体价格）可分类（预测涨跌）。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种，每个输入样本都是一个序列（如某板块20天的四价一量）用这个序列预测结果。它认为某些…☆63Updated 5 years ago
- kaggle贷款违约预测☆37Updated 7 years ago
- 数据挖掘大作业， 东野圭吾小说集文本挖掘☆72Updated 9 years ago
- 《Python数据分析与挖掘实战》随书源码与数据☆292Updated 8 years ago
- python实现基于贝叶斯的简单垃圾邮件分类☆155Updated 9 years ago
- 时间序列理论和案例实践☆72Updated 8 years ago
- 基于某城市移动终端用户的运营商数据预测未来三月内用户是否会终端变迁(用户从当前使用的手机品牌更换为其他手机品牌)。应用xgboost算法和随机森林算法组合成多学习器预测模型。☆54Updated 9 years ago
- 整理记录本人担任课程助教设计的四个机器学习实验，主要涉及简单的线性回归、朴素贝叶斯分类器、支持向量机、CNN做文本分类。内附实验指导书、讲解PPT、参考代码，欢迎各位码友讨论交流。☆121Updated 7 years ago
- 基于微博的数据挖掘与社交舆情分析☆220Updated 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
- 感知器、贝叶斯分类、决策树分类、K最近邻法、逻辑回归、支持向量机...☆128Updated 11 years ago
- 基于循环神经网络(RNN)的影评情感分类☆55Updated 7 years ago
- 基于粒子群算法的神经网络优化股票价格预测☆31Updated 5 years ago