kikizxd / Data_preprocessingLinks
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
☆41Updated last year
Alternatives and similar repositories for Data_preprocessing
Users that are interested in Data_preprocessing are comparing it to the libraries listed below
Sorting:
- 客流量时间序列预测模型☆125Updated 3 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
- 利用时间序列预测汽车销量☆41Updated 6 years ago
- 时间序列ARIMA模型的销量预测☆61Updated 7 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☆77Updated 5 years ago
- 数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)☆63Updated 4 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 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
- 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。☆191Updated 5 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆117Updated 4 years ago
- 通过修改transformer使其可以预测金融时间序列☆35Updated 4 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】☆41Updated 5 years ago
- 基于统计学的时间序列预测(AR,ARM).☆280Updated 4 years ago
- 使用改良的Transformer模型应用于多维时间序列的分类任务上☆89Updated 4 years ago
- Codes for time series forecast☆146Updated 4 years ago
- 基于Keras的LSTM多变量时间序列预测☆178Updated 7 years ago
- TensorFlow Probability;Time series model☆127Updated 3 years ago
- 基于seq2seq模型的风功率预测☆29Updated 5 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…☆81Updated 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☆58Updated 7 years ago
- Z Lab数据实验室开源代码汇总☆207Updated last year
- 基于pytorch搭建多特征LSTM时间序列预测☆169Updated 2 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。☆104Updated 5 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆80Updated 3 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
- 集成学习Stacking方法详解☆75Updated 5 years ago
- 一种有效的电力负荷预测方法☆63Updated 5 years ago
- 《Python数据预处理技术与实践》源码下载☆203Updated 5 years ago
- CCF BDCI 2022比赛 返乡发展人群预测赛题 Baseline 数据挖掘(特征工程+集成学习)队伍排名39/2297☆12Updated last year
- 使用LSTM、ANN网络进行时间序列的多步预测。一般情况下机器学习算法在进行时间序列预测时采取一步预测的方法。该段代码将其拓展到多步预测的情形。主要改进在于数据的构建。LSTM and ANN are used to predict the time series. In …☆16Updated 4 years ago