fja0kl / Machine-Learning-in-ActionLinks
《机器学习实战》样例代码
☆13Updated 7 years ago
Alternatives and similar repositories for Machine-Learning-in-Action
Users that are interested in Machine-Learning-in-Action are comparing it to the libraries listed below
Sorting:
- 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
- 由时间空间成对组成的轨迹序列,通过循环神经网络lstm,自编码器auto-encode,时空密度聚类st-dbscan做异常检测☆74Updated 6 years ago
- 天池-印象盐城-汽车销量预测大赛☆36Updated 7 years ago
- 整理所有特征工程用到的方法,为了复用☆11Updated 5 years ago
- 2019ccf乘用车销量预测Top1%代码☆13Updated 6 years ago
- 基于Keras的LSTM多变量时间序列预测☆185Updated 8 years ago
- 利用Python实现三层BP神经网络☆84Updated 7 years ago
- 2020 CCF BDCI 线上第一 解决方案代码☆44Updated 5 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 6 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆121Updated 5 years ago
- ☆15Updated 4 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)。☆96Updated 6 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。☆113Updated 6 years ago
- 常用的特征选择方法☆67Updated 3 years ago
- 针对一维时间序列数据,采用GMM和K-Means算法进行异常点检测。For one-dimensional time series data, GMM and K-means algorithm are used to detect outliers.☆11Updated 5 years ago
- 利用时间序列预测汽车销量☆44Updated 7 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆213Updated 6 years ago
- 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 8 years ago
- 时间序列理论和案例实践☆72Updated 8 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☆48Updated 7 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
- TensorFlow Probability;Time series model☆127Updated 3 years ago
- 学习机器学习的路上...☆92Updated 2 years ago
- 人工智能社会保险反欺诈分析☆30Updated 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
- 天池零基础入门NLP - 新闻文本分类☆19Updated 5 years ago
- 基于遗传算法的特征选择☆127Updated 6 years ago
- 时间序列ARIMA模型的销量预测☆65Updated 7 years ago
- ☆17Updated 6 years ago
- FP-growth codes in "Machine Learning in Action"☆51Updated 7 years ago