fff2zrx / lstm_example
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 4 years ago
Alternatives and similar repositories for lstm_example:
Users that are interested in lstm_example are comparing it to the libraries listed below
- 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
- 用TensorFlow搭建CNN/RNN/LSTM/GRU/BiRNN/BiLSTM/BiGRU/Capsule Network等deep learning模型☆59Updated 6 years ago
- 基于Keras的LSTM多变量时间序列预测☆23Updated 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
- 利用时间序列预测汽车销量☆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)☆52Updated 7 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☆74Updated 4 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 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
- about deep learning projects☆49Updated 4 years ago
- 时间序列ARIMA模型的销量预测☆63Updated 6 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☆43Updated 5 years ago
- 利用深度RBM构建多分类模型☆19Updated 9 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
- 多元多步时间序列的LSTM模型预测——基于Keras☆80Updated 3 years ago
- 基于seq2seq模型的风功率预测☆28Updated 5 years ago
- LSTM, CNN, CNNLSTM, BiLSTM, MLP☆10Updated 7 years ago
- LSTM进行时间序列预测☆17Updated 6 years ago
- 这个仓库主要包含了LSTM、卷积神经网络中,注意力机制的实现。☆132Updated 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
- mlp/rnn/gru + attention 实现文本情感分析☆22Updated 6 years ago
- 支持向量机,Support Vector Machine(SVM),多类分类☆31Updated 8 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…☆78Updated 6 years ago
- CNN-BiGRU-Attention模型☆90Updated 3 years ago
- Pytorch 实现RNN、LSTM、GRU模型☆78Updated 6 years ago
- ☆16Updated 2 years ago
- keras注意力机制☆18Updated 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。☆190Updated 5 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
- ☆32Updated 5 years ago