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