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☆56Updated 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)☆50Updated 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 5 years ago
- 利用Python实现三层BP神经网络☆80Updated 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☆41Updated 5 years ago
- 用TensorFlow搭建CNN/RNN/LSTM/GRU/BiRNN/BiLSTM/BiGRU/Capsule Network等deep learning模型☆58Updated 6 years ago
- 利用时间序列预测汽车销量☆37Updated 6 years ago
- keras注意力机制☆17Updated 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☆72Updated 4 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。☆183Updated 4 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
- 时 间序列ARIMA模型的销量预测☆61Updated 6 years ago
- 基于Keras的LSTM多变量时间序列预测☆23Updated 7 years ago
- 使用bp神经网络预测股票价格。BP neural network is used to predict the stock price.☆35Updated 4 years ago
- [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
- 基于seq2seq模型的风功率预测☆28Updated 5 years ago
- 在sklearn下,几种常用的特征选择方法☆40Updated 9 years ago
- mlp/rnn/gru + attention 实现文本情感分析☆21Updated 6 years ago
- 常见的数据预处理,包括数据加载、缺失值&异常值处理、描述性变量转换为数值型、训练测试集划分、数据规范化☆39Updated last year
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆208Updated 5 years ago
- 决策树、随机森林☆47Updated 6 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆115Updated 4 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念,包括有监督学习,无监督学习,分类,聚类,回归;神经元模型,多层感知器,BP算法;损失函数,激活函数,梯度下降法;全连接网络、卷积神经网络、递归神经网络;训练集,测试集,交叉验证,欠拟合,过拟合;数据规范化等☆151Updated 8 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☆104Updated 6 years ago
- 用 jupyter notebook做的一些机器学习项目☆79Updated 5 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☆54Updated 4 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。☆131Updated 4 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%☆42Updated 4 years ago
- 常用的特征选择方法☆68Updated 2 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