lyx199504 / param-opt
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。
☆11Updated last year
Alternatives and similar repositories for param-opt:
Users that are interested in param-opt are comparing it to the libraries listed below
- 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
- 常用的特征选择方法☆68Updated 2 years ago
- 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
- 基于深度学习的溶解氧时间 序列预测模型☆28Updated 5 years ago
- 支持向量机，Support Vector Machine(SVM)，多类分类☆31Updated 8 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☆41Updated last year
- AutoEncoder implements by keras. Including AE, DAE, DAE_CNN, VAE, VAE_CNN, CVAE, Sparse AE, Stacked DAE.☆41Updated 4 years ago
- 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
- 使用改良的Transformer模型应用于多维时间序列的分类任务上☆83Updated 3 years ago
- 数据预处理之缺失值处理，特征选择☆21Updated 5 years ago
- 时间序列异常检测☆53Updated 5 years ago
- 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
- 利用Python实现三层BP神经网络☆81Updated 6 years ago
- 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
- 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
- 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
- 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
- 集成学习Stacking方法详解☆72Updated 5 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☆22Updated 3 years ago
- 双塔模型，打比赛用。解决多维时间序列的分类预测任务☆32Updated 2 years ago
- 基于Keras的LSTM多变量时间序列预测☆176Updated 7 years ago
- 通过修改transformer使其可以预测金融时间序列☆33Updated 3 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…☆75Updated 6 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☆59Updated 5 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☆73Updated 4 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)☆61Updated 4 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆116Updated 4 years ago
- 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。☆24Updated 6 years ago
- 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
- 在sklearn下，几种常用的特征选择方法☆40Updated 9 years ago