lyx199504 / param-optLinks
本项目开发了一个机器学习和深度学习的训练工具。该训练工具基于sklearn和pytorch，不仅支持常规训练、交叉验证训练，还支持贝叶斯搜索参数，并可随时自动保存训练模型和日志。
☆12Updated last year
Alternatives and similar repositories for param-opt
Users that are interested in param-opt are comparing it to the libraries listed below
Sorting:
- 常用的特征选择方法☆67Updated 3 years ago
- AutoEncoder implements by keras. Including AE, DAE, DAE_CNN, VAE, VAE_CNN, CVAE, Sparse AE, Stacked DAE.☆41Updated 5 years ago
- 包含一些比较常见的数据挖掘竞赛或者项目的源码☆128Updated 6 years ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆118Updated 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☆53Updated 8 years ago
- 基于Keras的LSTM多变量时间序列预测☆183Updated 7 years ago
- 数据预处理之缺失值处理，特征选择☆22Updated 6 years ago
- 集成学习Stacking方法详解☆77Updated 6 years ago
- feature selections and extractions☆89Updated last year
- 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
- 模型优化调参---网格搜索（五折交叉验证）☆11Updated 6 years ago
- 时间序列异常检测☆55Updated 6 years ago
- 刀具剩余寿命预测☆72Updated 5 years ago
- 异常检测☆162Updated 6 years ago
- Codes for time series forecast☆146Updated 4 years ago
- 针对一维时间序列数据，采用GMM和K-Means算法进行异常点检测。For one-dimensional time series data, GMM and K-means algorithm are used to detect outliers.☆11Updated 4 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☆47Updated 2 years ago
- “合肥高新杯”心电人机智能大赛 —— 心电异常事件预测 TOP1 Solution☆147Updated 4 years ago
- 2017工业大数据创新竞赛/风机叶片结冰预测大赛☆48Updated 6 years ago
- 2019科大讯飞工程机械赛题-亚军☆39Updated 5 years ago
- 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
- ☆49Updated 2 years ago
- 异常值检测算法总结☆198Updated 5 years ago
- 在sklearn下，几种常用的特征选择方法☆41Updated 9 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☆57Updated 8 years ago
- Oversampling method based on relative density☆13Updated 5 years ago
- Pytorch 实现RNN、LSTM、GRU模型☆79Updated 7 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☆92Updated 4 years ago
- Bayesian Optimization and Grid Search for xgboost/lightgbm☆78Updated 9 months ago