bingshen / KingCounty
美国King County房价预测训练赛 神经网络
☆34Updated 7 years ago
Alternatives and similar repositories for KingCounty:
Users that are interested in KingCounty are comparing it to the libraries listed below
- 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☆231Updated 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
- 基于BP神经网络的高频金融时间序列分析 (毕设)☆47Updated 6 years ago
- 用logistic回归,SVM,神经网络实现分类算法☆92Updated 8 years ago
- 数据挖掘领域十大算法代码实现☆58Updated 8 years ago
- 机器学习数据,预测趋势并画图☆22Updated 5 years ago
- 机器学习、深度学习、NLP实战项目☆138Updated 7 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
- 朴素贝叶斯实现的文本分类(新闻分类)☆62Updated 9 years ago
- 银行客户流失预警模型☆43Updated 7 years ago
- 卷积神经网络(CNN)应用于中文文本分析任务☆168Updated 8 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 10 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
- 唯品会用户购买行为预测☆27Updated 6 years ago
- 基于卷积神经网络参数优化的情感分析论文code☆62Updated 7 years ago
- 用 jupyter notebook做的一些机器学习项目☆80Updated 5 years ago
- 基于循环神经网络(RNN)的影评情感分类☆53Updated 6 years ago
- bp 神经网络算法☆120Updated last year
- [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☆44Updated 6 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。☆35Updated 5 years ago
- 2019年CCF智能信用评分大赛个人源码库。包含XGboost模型调参,特征筛选,训练等方案。同时包含stacking模型融合方案☆27Updated 4 years ago
- 毕设实验代码(深度学习处理长文本分类-keras)☆12Updated 7 years ago
- Python数据分析与挖掘实战书中的实例学习☆28Updated 7 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
- 基于kaggle上Titanic数据集实现的ID3、C4.5、CART和CART剪枝算法☆39Updated 6 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)☆51Updated 7 years ago
- 2017年CCF大数据与计算智能大赛-小超市供销存管理优化☆23Updated 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☆115Updated 5 years ago
- 交易欺诈作为信用卡行业面临的主要贷后风险业务问题,每年都使信用卡行业遭受巨额损失。基于大数据机器学习开发出高效的交易欺诈识别模型一直是金融行业的主要挑战之一。本次大赛以此作为主题☆41Updated 6 years ago
- 在sklearn下,几种常用的特征选择方法☆40Updated 9 years ago