Alternatives and similar repositories for param-opt:

Users that are interested in param-opt are comparing it to the libraries listed below

• drchen00 / WMCNN
  基于小波与卷积神经网络的多尺度时间序列分类
  ☆18Updated 6 years ago
• kikizxd / Data_preprocessing
  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
  ☆40Updated last year
• 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 5 years ago
• xuman-Amy / preprocessing
  数据预处理之缺失值处理，特征选择
  ☆21Updated 5 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆68Updated 2 years ago
• 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
• 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
• CLaraRR / autoencoder_practice
  AutoEncoder implements by keras. Including AE, DAE, DAE_CNN, VAE, VAE_CNN, CVAE, Sparse AE, Stacked DAE.
  ☆41Updated 4 years ago
• PracNeyman / TimeSeriesOutlierDetection
  时间序列异常检测
  ☆52Updated 5 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
  ☆58Updated 5 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
• YiFraternity / OS-K-Means
  现有聚类算法面向高维稀疏数据多未考虑类簇可重叠和离群点的存在，导致聚类效果不理想。针对此，提出一种可重叠子空间K-Means聚类算法(An Overlapping Subspace K-Means Clustering Algorithm, OS-K-Means)。给出类簇…
  ☆30Updated 5 years ago
• qiaokangqi / CNN-SVM
  卷积神经网络提取特征并用于SVM//www.cnblogs.com/chuxiuhong/p/6132814.html
  ☆15Updated 6 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
• Jyukai02 / Gated-Transformer-on-MTS-1
  使用改良的Transformer模型应用于多维时间序列的分类任务上
  ☆82Updated 3 years ago
• zhuozhudd / PyTorch-Course-Note
  ☆65Updated 4 years ago
• ShaoQiBNU / stacking
  集成学习Stacking方法详解
  ☆71Updated 5 years ago
• luckyerdog / feature_select
  在sklearn下，几种常用的特征选择方法
  ☆40Updated 9 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆80Updated 6 years ago
• Alxe1 / FeatureSelectionsAndExtractions
  feature selections and extractions
  ☆88Updated 8 months ago
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆127Updated 5 years 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 7 years ago
• xiaogp / track_sequence_anomaly_detection
  由时间空间成对组成的轨迹序列，通过循环神经网络lstm，自编码器auto-encode，时空密度聚类st-dbscan做异常检测
  ☆70Updated 5 years ago
• zhaoxingfeng / SVM
  支持向量机，Support Vector Machine(SVM)，多类分类
  ☆30Updated 8 years ago
• luanshiyinyang / DataMiningProject
  包含一些比较常见的数据挖掘竞赛或者项目的源码
  ☆119Updated 5 years ago
• zmzhouXJTU / CreditCard_Fraud_Detection
  利用Logistic回归实现信用卡欺诈检测
  ☆48Updated 3 years ago
• Tasswon / SVM-Convolutional_Autoencoder
  A convolutional autoencoder for feature extraction, with an SVM for image classification.
  ☆11Updated 6 years ago
• slydg / GRU_to_predict_timeseries
  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
  ☆104Updated 6 years ago
• pengchen233 / EEMD-LSTM-Model
  基于深度学习的溶解氧时间序列预测模型
  ☆27Updated 4 years ago
• Designlotus / Anti-fraud-prediction-model
  交易欺诈作为信用卡行业面临的主要贷后风险业务问题，每年都使信用卡行业遭受巨额损失。基于大数据机器学习开发出高效的交易欺诈识别模型一直是金融行业的主要挑战之一。本次大赛以此作为主题
  ☆41Updated 5 years ago