Alternatives and similar repositories for Stacking

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

• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆127Updated 6 years ago
• ShaoQiBNU / stacking
  集成学习Stacking方法详解
  ☆82Updated 6 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆67Updated 3 years ago
• aflyingpig0226 / feature-engineering
  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
• BackyardofAbela / EnsembleLearning
  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
• 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
  ☆90Updated 5 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
  ☆43Updated 6 years ago
• jia-zhuang / xgboost-lightgbm-hyperparameter-tuning
  Bayesian Optimization and Grid Search for xgboost/lightgbm
  ☆79Updated 11 months ago
• wikke / TimeSeriesPrediction
  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
  ☆56Updated 8 years ago
• yuchengle / Arima
  利用时间序列预测汽车销量
  ☆44Updated 7 years ago
• HiddenSharp / LSTM-SVM-RF-time-series
  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。
  ☆200Updated 5 years ago
• jeurtr / TimeSeries_Predict
  客流量时间序列预测模型
  ☆130Updated 3 years ago
• Alxe1 / FeatureSelectionsAndExtractions
  feature selections and extractions
  ☆88Updated last year
• huang027 / ARIMA
  时间序列ARIMA模型的销量预测
  ☆65Updated 7 years ago
• 634671436 / Air_Pollution_Forcast_Beijing
  基于Keras的LSTM多变量时间序列预测
  ☆185Updated 8 years ago
• EthanChenYZ / Time-Series-Forecast
  Codes for time series forecast
  ☆146Updated 5 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆84Updated 7 years ago
• mo2ye / SARIMA-LSTM
  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…
  ☆84Updated 7 years ago
• oubahe / GSA-PSO-SVR
  一种有效的电力负荷预测方法
  ☆64Updated 6 years ago
• Albertsr / Machine-Learning
  LR / SVM / XGBoost / RandomForest etc.
  ☆30Updated 5 years ago
• luckyerdog / feature_select
  在sklearn下，几种常用的特征选择方法
  ☆41Updated 10 years ago
• iwuqing / Time-Series-Classification-based-on-KNN
  基于KNN聚类算法结合Dynamic Time Warping（动态时间调整）的时间序列分类
  ☆63Updated 6 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。
  ☆26Updated 2 years ago
• ChileWang0228 / DeepLearningTutorial
  深度学习代码
  ☆132Updated 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
  ☆58Updated 5 years ago
• huidudaozou / Time-Series
  《应用时间序列分析》易丹辉、王燕著； 案例Python实现
  ☆17Updated 6 years ago
• xuman-Amy / preprocessing
  数据预处理之缺失值处理，特征选择
  ☆23Updated 6 years ago
• LeslieZhoa / Wind_predict_seq2seq
  基于seq2seq模型的风功率预测
  ☆31Updated 6 years ago
• momodagithub / regression-prediction-algorithms
  使用支持向量机、弹性网络、随机森林、LSTM、SARIMA等多种算法进行时间序列的回归预测，除此以外还采取了多种组合方法对以上算法输出的结果进行组合预测。Support vector machine, elastic network, random forest, LSTM…
  ☆46Updated 5 years ago
• SimonWang00 / salesPredict
  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。
  ☆113Updated 6 years ago