Alternatives and similar repositories for BP_regression:

Users that are interested in BP_regression are comparing it to the libraries listed below

• qiuhaining / sklearn-SVM
  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
• ShaoQiBNU / stacking
  集成学习Stacking方法详解
  ☆71Updated 5 years ago
• zhaoxingfeng / SVM
  支持向量机，Support Vector Machine(SVM)，多类分类
  ☆30Updated 8 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆80Updated 6 years ago
• gitfuwu / dynamic_bp_network_regression
  神经网络结构可变的BP回归
  ☆12Updated 6 years ago
• yx868868 / GA-optimized-neural-network
  python 用GA算法优化BP神经网络
  ☆150Updated 3 years ago
• PatientEz / CNN-Image-Classfication
  使用CNN进行图像分类，并且附录了SIFT+BOG+SVM多分类器的机器学习分类模型
  ☆39Updated 5 years ago
• DeerZhifan / Clustering-Algorithms
  基于Python实现了K-Means、GMM、DBSCAN、AGNES等四种常见的聚类算法
  ☆68Updated 5 years ago
• WangXiaoMingo / machine-learning
  常见机器学习算法回归、分类应用示例，调参；包括基础的线性回归算法、集成学习、支持向量机等；调参包括网格搜索、随机搜索、贝叶斯优化、优化算法如GA优化等。
  ☆19Updated last year
• Anonymoushhh / Ensemble_Learning
  使用5-6个模型（可以是knn svm 贝叶斯等等）用投票的方式做一个集成学习对MNIST数据集进行分类。
  ☆23Updated 6 years ago
• Ultraopxt / Predict-the-rent-probability-of-a-room
  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
• Leo1998-Lu / Machine-learning-on-iris
  基于iris数据集进行四种机器学习算法（决策树、朴素贝叶斯、随机森林、支持向量机SVM）的训练，使用交叉检验（Cross-validation）对比了各算法的预测准确率。
  ☆21Updated 4 years ago
• Charlottelemon / WaveHeight-Prediction
  基于粒子群算法优化的BPNN和ElM对海浪高度的预测
  ☆40Updated 2 years ago
• chestnut24 / SVMImageClassification
  基于SVM的简单机器学习分类，可以使用svm, knn, 朴素贝叶斯，决策树四种机器学习方法进行分类
  ☆110Updated 2 years ago
• coder23263 / Machine_learning_prediction_system
  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
  ☆72Updated 4 years ago
• ymzx / pso-svm
  粒子群算法优化支持向量机
  ☆133Updated 2 years ago
• ccc-hhh / BPNN-regression-and-classify
  1、BP-momentum神经网络numpy实现及Pytorch实现及各optim在AQI数据集的表现。2、BP网络分类
  ☆38Updated 4 years ago
• ChileWang0228 / DeepLearningTutorial
  深度学习代码
  ☆132Updated 5 years ago
• leezqcst / machine-learning-algorithm
  记录小润了解的各种机器学习算法的实现以及基础概念，包括有监督学习，无监督学习，分类，聚类，回归；神经元模型，多层感知器，BP算法；损失函数，激活函数，梯度下降法；全连接网络、卷积神经网络、递归神经网络；训练集，测试集，交叉验证，欠拟合，过拟合；数据规范化等
  ☆151Updated 8 years ago
• goodboyv / Sklearn_Mochine_leanring
  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
• yangxcc / Sklearn-Algorithm
  Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)
  ☆81Updated 4 years ago
• angeliababy / houseprice_regression
  数据特征工程、各种机器学习回归模型、回归数据预处理
  ☆41Updated 5 years ago
• luanshiyinyang / Stacking
  机器学习集成模型之Stacking各类模型及工具源码
  ☆115Updated 4 years ago
• bingdiaoxiaomao / hyper-parameters-optimization
  机器学习算法超参数的优化方法——基于hyperopt和bayes_opt
  ☆14Updated 6 years ago
• Wddzht / DataPreprocessing
  数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)
  ☆60Updated 4 years ago
• tjhznb666 / Predicting-future-customer-credit-risk-based-on-machine-learning-algorithm
  利用python对3000个数据利用机器学习算法建立模型，并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术；通过相关性分析进行特征选择；建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型，并通过网格搜索法确定最优参数…
  ☆29Updated 2 years ago
• antSesame / BPnetworks
  BP神经网络的python实现，里面包含adam、RMSProp等多种优化算法，网络结构参数化实现。
  ☆15Updated 3 years ago
• SureeLee / ga_bp
  a back propagation neural network with genetic algorithm
  ☆79Updated 7 years ago
• MichaelLee826 / iris_classification_BPNeuralNetwork
  Python 基于BP神经网络实现鸢尾花的分类
  ☆335Updated 4 years ago
• SaulZhang / EvolutionNeuralNetwork
  A small project abot GA and ANN，基于TensorFlow实现基于遗传算法的神经网络结构搜索技术，在威斯康星乳腺癌细胞分类的数据集上面进行实验，并与传统的机器学习的分类算法进行对比，验证该算法的结果的优劣性。
  ☆35Updated 4 years ago