gchenustc / machine-learning
唐宇迪机器学习课程练习
☆24Updated 2 years ago
Alternatives and similar repositories for machine-learning:
Users that are interested in machine-learning are comparing it to the libraries listed below
- 唐宇迪 資料收集☆410Updated 2 years ago
- ✔️(持续更新)李沐 【动手学深度学习v2 PyTorch版】课程学习笔记,更正了AccumulateMore笔记的部分错误,从更加初级的角度做了部分内容补充☆116Updated 9 months ago
- 基于pytorch搭建多特征LSTM时间序列预测☆162Updated 2 years ago
- 纯python实现机器学习算法,非套用sk-learn☆102Updated 2 years ago
- 《机器学习必修课:经典算法与Python实战》配套代码☆78Updated 2 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
- 《机器学习》(西瓜书)代码实战☆753Updated 4 months ago
- 深度学习以进行时间序列预测☆614Updated 4 years ago
- 机器学习、深度学习的学习路径及知识总结☆1,670Updated 3 weeks ago
- 唐宇迪Pytorch实战课程资料☆76Updated 2 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
- ✔(已完结)最全面的 深度学习 笔记【土堆 Pytorch】【李沐 动手学深度学习】【吴恩达 深度学习】☆7,328Updated last month
- 利用sklearn实现机器学习算法:线性回归、逻辑回归、决策树、随机森林、SVM等☆148Updated 4 years ago
- Use BPNN and LSTM to forecast stock price. 使用BP神经网络和LSTM预测股票价格,注释拉满。☆185Updated 2 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…☆72Updated 6 years ago
- 机器学习算法项目☆886Updated 3 years ago
- 基于统计学的时间序列预测(AR,ARM).☆253Updated 4 years ago
- 时间序列分析教程☆887Updated 3 years ago
- 机器学习算法超参数的优化方法——基于hyperopt和bayes_opt☆14Updated 6 years ago
- 使用卷积神经网络-长短期记忆网络(bi-LSTM)-注意力机制对股票收盘价进行回归预测。The convolution neural network, short-term memory network and attention mechanism are used to…☆252Updated last year
- CNN+LSTM+Attention实现时间序列预测☆47Updated 8 months ago
- 吴恩达机器学习作业☆540Updated 11 months ago
- 唐宇迪的数据分析课程源码,包含Numpy,Pandas,Matplotlib,Seaborn☆13Updated 2 years ago
- 用 jupyter notebook做的一些机器学习项目☆79Updated 5 years ago
- 包含灰色预测模型:灰色单变量预测模型GM(1,1)模型,灰色多变量预测模型GM(1,N)模型,GM(1,N)幂模型,灰色多变量周期幂模型GM(1,N|sin)幂模型,以及灰色关联模型☆74Updated 2 years ago
- 《Python统计与数据分析实战》课程代码,包含了大部分统计与非参数统计和数据分析的模型、算法。回归分析、方差分析、点估计、假设检验、主成分分析、因子分析、聚类分析、判别分析、对数线性模型、分位回归模型以及列联表分析、非参数平滑、非参数密度估计等各种非参数统计方法。☆315Updated 9 months ago
- Time Series Analysis Models Source Code with Deep Learning Algorithms☆237Updated 2 years ago
- PyTorch实现的Informer (Informer:用于长序列时间序列预测☆19Updated 2 years ago
- 《神经网络与深度学习》案例与实践☆900Updated 2 years ago
- 机器学习学习笔记和代码☆97Updated 2 years ago