huidudaozou / Time-SeriesLinks
《应用时间序列分析》易丹辉、王燕著; 案例Python实现
☆16Updated 5 years ago
Alternatives and similar repositories for Time-Series
Users that are interested in Time-Series 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
- 利用时间序列预测汽车销量☆41Updated 6 years ago
- 如何使用ARIMA模型预测世界肺炎确诊人数?【时序数据预测】☆40Updated 5 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆118Updated 4 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☆79Updated 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
- 时间序列理论和案例实践☆72Updated 7 years ago
- 一种有效的电力负荷预测方法☆63Updated 5 years ago
- 时间序列ARIMA模型的销量预测☆61Updated 7 years ago
- 不同时间序列预测方法对上海旅游规模进行预测☆17Updated 6 years ago
- 包括决策树和随机森林进行离职人员预测,Xgboost和lightGBM的应用☆289Updated 5 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☆107Updated 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
- 主要是在学习李航的统计学习方法和周志华的机器学习西瓜书的笔记和相关的代码实现☆31Updated 5 years ago
- 《Python预测之美-数据分析与算法实战》代码维护☆20Updated 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☆56Updated 5 years ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 常见的数据预处理,包括数据加载、缺失值&异常值处理、描述性变量转换为数值型、训练测试集划分、数据规范化☆43Updated last year
- 客流量时间序列预测模型☆126Updated 3 years ago
- 基于深度学习的溶解氧时间序列预测模型☆30Updated 5 years ago
- python金融风控评分卡模型和数据分析微专业课包含《python信用评分卡建模(附代码)》,《python风控建模实战lendingClub》,《金融现金贷用户数据分析和画像》三套课程系列,共计250节课左右,录制时间超过3年,定期更新。这套微专业课程是互联网上最全,最专…☆72Updated 3 years ago
- Comparing XGBoost, CatBoost and LightGBM on TimeSeries Regression (RMSE, R2, AIC) on two different TimeSeries datasets.☆23Updated 5 years ago
- 2019科大讯飞工程机械赛题-亚军☆39Updated 5 years ago
- 《Python预测之美:数据分析与算法实战》书籍代码维护☆66Updated 2 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 years ago
- ☆32Updated 6 years ago
- Bayesian Optimization and Grid Search for xgboost/lightgbm☆77Updated 6 months ago
- LR / SVM / XGBoost / RandomForest etc.☆28Updated 5 years ago
- 集成学习Stacking方法详解☆76Updated 5 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。☆192Updated 5 years ago