gui1bin2 / LogisticRegressionLinks
逻辑回归预测违约可能
☆34Updated 8 years ago
Alternatives and similar repositories for LogisticRegression
Users that are interested in LogisticRegression are comparing it to the libraries listed below
Sorting:
- 构建基于逻辑回归的评分卡模型☆47Updated 7 years ago
- 某电商手机评论的文本挖掘初体验 功能板块：数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆123Updated 6 years ago
- 汽车之家口碑网某车型的评论数据情感分析☆30Updated 6 years ago
- 决策树、随机森林☆49Updated 7 years ago
- 情感分析系统，用于分析用户评论是积极还是消极。其中使用了逻辑回归函数、决策树、支持向量机、神经网络等不同的模型进行训练☆34Updated 7 years ago
- 房价预测完整项目：1.爬取链家网数据 2.处理后，用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好，R^2值0.75左右☆245Updated 7 years ago
- 深度学习用于近日头条用户画像☆27Updated 7 years ago
- 新闻分类系统&谣言处理系统☆78Updated 8 years ago
- 朴素贝叶斯实现的文本分类（新闻分类）☆66Updated 10 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
- 机器学习算法经典案例☆113Updated 5 years ago
- 针对手机评论数据的情感挖掘与分析项目，基于依存句法分析和情感词库提取特征词，并对特征词做情感极性预测标注。☆36Updated 9 years ago
- 基于微博的数据挖掘与社交舆情分析☆220Updated 7 years ago
- 基于Keras使用LSTM对电商评论进行情感分析☆49Updated 7 years ago
- 文本分类是指在给定分类体系下 , 根据文本的内容自动确定文本类别的过程。首先我们根据scrapy爬虫根据中国知网URL的规律，爬取70多万条2014年公开的发明专利，然后通过数据清洗筛选出了60多万条含标签数据。通过TF-IDF对60多万条本文进行词频提取，依照词频排序提取…☆108Updated 7 years ago
- 机器学习之回归问题：线性回归、逻辑回归等等☆18Updated 11 years ago
- 北京二手房房价分析和预测☆63Updated 7 years ago
- 信用风险评估评分卡☆11Updated 7 years ago
- 机器学习方法进行中文电影评论的情感分析☆31Updated 8 years ago
- 感知器、贝叶斯分类、决策树分类、K最近邻法、逻辑回归、支持向量机...☆128Updated 11 years ago
- 基于Word2Vec+SVM对电商的评论数据进行情感分析☆138Updated 7 years ago
- 机器学习算法模型的知识图谱（思维导图）构建☆65Updated 7 years ago
- 唯品会用户购买行为预测☆32Updated 7 years ago
- 用LSTM进行文本的情感分析☆190Updated 6 years ago
- Data Analysis and Mining(数据分析与挖掘)☆347Updated 5 years ago
- 基于在线民宿 UGC 数据的意见挖掘项目，包含数据挖掘和NLP 相关的处理，负责数据采集、主题抽取、情感分析等任务。目的是克服用户打分和评论不一致，实时对在线民宿的满意度评测，包含在线评论采集和情感可视化分析。搭建了百度地图POI查询入口，可以进行自动化的批量查询 POI …☆437Updated last year
- 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)☆57Updated 7 years ago
- csdn用户画像的源码☆20Updated 8 years ago
- 《Python数据分析与挖掘实战》随书源码与数据☆293Updated 8 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