fff2zrx / lstm_exampleLinks
use lstm to predict value and label based on keras基于keras框架，用lstm解决回归和分类问题
☆18Updated 5 years ago
Alternatives and similar repositories for lstm_example
Users that are interested in lstm_example 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 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
- 基于Keras的LSTM多变量时间序列预测☆25Updated 7 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)☆54Updated 7 years ago
- 用TensorFlow搭建CNN/RNN/LSTM/GRU/BiRNN/BiLSTM/BiGRU/Capsule Network等deep learning模型☆59Updated 6 years ago
- 《应用时间序列分析》易丹辉、王燕著； 案例Python实现☆16Updated 5 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆44Updated 5 years ago
- 利用时间序列预测汽车销量☆41Updated 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☆76Updated 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
- 基于seq2seq模型的风功率预测☆28Updated 5 years ago
- 数据预处理之缺失值处理，特征选择☆21Updated 6 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 years ago
- 在sklearn下，几种常用的特征选择方法☆40Updated 9 years ago
- 支持向量机(SVM)——分类预测，包括多分类问题，核函数调参，不平衡数据问题，特征降维，网格搜索，管道机制，学习曲线，混淆矩阵，AUC曲线等☆52Updated 7 years ago
- 利用深度RBM构建多分类模型☆19Updated 9 years ago
- 分类类别不平衡，解决办法：采样(SMOTE和算法集成技术等)、阈值移动、调整代价或权重，附带信用卡诈骗案例☆21Updated 5 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- 集成各种神经网络进行情感分类，包括CNN、LSTM、Transformer以及BERT等网络模型☆72Updated 6 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征，分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT（梯度提升决策树）。☆94Updated 6 years ago
- LSTM进行时间序列预测☆17Updated 6 years ago
- 使用pytorch搭建的循环神经网络在股票数据时间序列上的应用☆105Updated 7 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
- 基于深度学习的溶解氧时间序列预测模型☆28Updated 5 years ago
- ☆32Updated 5 years ago
- GBDT for regression☆10Updated 6 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 5 years ago
- ☆15Updated 4 years ago
- 基于波士顿房屋租赁价格数据，使用lasso回归算法做特征选择后，分别使用线性回归、Lasso回归、Ridge回归、Elasitic Net四类回归算法构建模型（分别测试1,2,3阶）☆13Updated 5 years ago
- 基于pytorch进行文本多分类，主要模型为双向LSTM，预测准确率83%☆44Updated 5 years ago