cauchy7203 / PyGMLinks
Python repository of Grey Models
☆19Updated last year
Alternatives and similar repositories for PyGM
Users that are interested in PyGM are comparing it to the libraries listed below
Sorting:
- 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 8 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。☆106Updated 6 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☆37Updated 5 years ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 基于seq2seq模型的风功率预测☆29Updated 6 years ago
- Machine learning competition solutions and tricks | 算法竞赛方案☆60Updated 3 months ago
- 机器学习集成模型之Stacking各类模型及工具源码☆118Updated 5 years ago
- 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☆243Updated 6 years ago
- [评价方法]信息熵理论与熵权法 Information entropy theory&Entropy weight method☆29Updated 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
- 包括决策树和随机森林进行离职人员预测,Xgboost和lightGBM的应用☆287Updated 5 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
- 基于Keras的LSTM多变量时间序列预测☆183Updated 7 years ago
- TensorFlow Probability;Time series model☆127Updated 3 years ago
- 时间序列理论和案例实践☆72Updated 8 years ago
- 天池“资金流入流出预测——挑战baseline”的解决方案,线上效果143.5☆98Updated 5 years ago
- 单维、多维时间序列数据预测☆11Updated 6 years ago
- Bayesian Optimization and Grid Search for xgboost/lightgbm☆77Updated 8 months ago
- 2019科大讯飞工程机械赛题-亚军☆39Updated 5 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
- 客流量时间序列预测模型☆129Updated 3 years ago
- 利用时间序列预测汽车销量☆43Updated 6 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)☆222Updated last year
- 金融时间序列(预测分析 / 相似度 / 数据处理)☆257Updated last year
- 基于BP神经网络的高频金融时间序列分析 (毕设)☆48Updated 6 years ago
- 基于KNN聚类算法结合Dynamic Time Warping(动态时间调整)的时间序列分类☆63Updated 6 years ago
- 基于自构造函数的特征提取评分项目(缺失值处理,单变量相关性分析,特征评分,降维)☆15Updated 8 years ago
- 时间序列ARIMA模型的销量预测☆64Updated 7 years ago
- 常用机器学习算法的简单手写实现,帮助更好理解算法☆70Updated 3 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