hierarchyJK / House-price-forecast
基于TensorFlow的房价预测,包括了对pandas,seaborn,tensorBoard的基本学习,对回归模型的理解,对表格数据处理的操作
☆13Updated 6 years ago
Alternatives and similar repositories for House-price-forecast:
Users that are interested in House-price-forecast are comparing it to the libraries listed below
- 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
- 2018全国研究生数学建模竞赛(C题:对恐怖袭击事件记录数据的量化分析)☆12Updated 5 years ago
- 学习笔记代码☆103Updated 5 years ago
- ☆106Updated 5 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
- 🤖机器学习实战🤖:决策树、随机森林线性回归、逻辑回归、贝叶斯、kNN等☆26Updated 5 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 4 years ago
- 统计分析课程实验作业/包含《统计分析方法》中因子分析,主成分分析,Kmeans聚类等典型算法的手写实现☆77Updated 5 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。☆133Updated 4 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- 天池比赛,kaggle等等(Keras/PyTorch实战)☆182Updated 4 years ago
- PCA和LDA进行数据降维☆38Updated 4 years ago
- 深度学习 + OpenCV,Python实现实时视频目标检测☆98Updated 6 years ago
- iris数据集的基本数据分析方法,包括KNN,LG,NB,SVM算法。☆44Updated 7 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 10 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☆23Updated 7 years ago
- 自动驾驶,汽车识别☆16Updated 6 years ago
- some small codes about deep learning☆51Updated 7 years ago
- 这是我在小象学院课程《深度学习之TensorFlow高级编程》的课程代码☆112Updated 3 years ago
- 这是一个利用keras实现seq2seq模型的仓库,大家可以通过这个仓库学习到许多的seq2seq的例子☆51Updated 5 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
- SVM, FastText, TextCNN, BiGRU, CNN-BiGRU在短分本分类上的对比☆84Updated 6 years ago
- 这是利用Tensorflow实现的简单BP神经网络模型☆38Updated 6 years ago
- 【火炉炼AI】-深度学习系列文章☆45Updated 6 years ago
- K-Means聚类算法及其改进☆31Updated 6 years ago
- ☆24Updated 6 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)☆51Updated 7 years ago
- AI学习过程中的实操代码☆205Updated 4 years ago
- 中文文本分类与聚类☆10Updated 6 years ago