Alternatives and similar repositories for Entropy_Weight_Method

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

• 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
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆127Updated 6 years ago
• fitzgerald0 / time_series_data_mining
  TensorFlow Probability；Time series model
  ☆127Updated 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
• weepon / feature_selection
  常用的特征选择方法
  ☆67Updated 3 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
• Yangami / LSTM-for-price-prediction
  算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息，得到相应的调仓对策。可回归（预测具体价格）可分类（预测涨跌）。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种，每个输入样本都是一个序列（如某板块20天的四价一量）用这个序列预测结果。它认为某些…
  ☆63Updated 6 years ago
• jm199504 / Financial-Time-Series
  金融时间序列（预测分析 / 相似度 / 数据处理）
  ☆268Updated last year
• jeurtr / TimeSeries_Predict
  客流量时间序列预测模型
  ☆130Updated 3 years ago
• zhengguowei / stock_prediction
  基于LSTM的股票价格预测
  ☆67Updated 7 years ago
• qianyuqianxun-DeepLearning / LSTM-process
  使用AR自回归模型与长短时记忆网络进行时间序列数据预测
  ☆19Updated 5 years ago
• arleigh418 / Base-On-Relation-Method-Extract-News-DA-RNN-Model-For-Stock-Prediction--Pytorch
  基於關聯式新聞提取方法之雙階段注意力機制模型用於股票預測
  ☆47Updated 5 years ago
• jia-zhuang / xgboost-lightgbm-hyperparameter-tuning
  Bayesian Optimization and Grid Search for xgboost/lightgbm
  ☆79Updated 11 months 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
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆84Updated 7 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
  ☆109Updated 7 years ago
• luanshiyinyang / Stacking
  机器学习集成模型之Stacking各类模型及工具源码
  ☆121Updated 5 years ago
• shenxiangzhuang / bank-competition
  2019厦门国际银行“数创金融杯”数据建模大赛
  ☆26Updated 4 years ago
• wolfkin-hth / FinTech2020
  2020 招商银行FinTech 数据赛道 rank10
  ☆115Updated 5 years ago
• xuman-Amy / preprocessing
  数据预处理之缺失值处理，特征选择
  ☆23Updated 6 years ago
• zhulei227 / Stacking_Ensembles
  Stacking classification and regression
  ☆25Updated 6 years ago
• laidy3 / Zhaohang_fintech
  招商银行第二届fintech-财经新闻分析baseline(线上第1名)
  ☆39Updated 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
• Oscaria / stock-prediction
  stock trend prediction using multi-source data
  ☆12Updated 5 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
• TankZhouFirst / Pytorch-LSTM-Stock-Price-Predict
  LSTM 实现的股票最高价预测
  ☆144Updated 3 years ago
• DJofOUC / IEEE-CIS-Fraud-Detection
  kaggle: IEEE-CIS Fraud Detection
  ☆30Updated 6 years ago
• Albertsr / Machine-Learning
  LR / SVM / XGBoost / RandomForest etc.
  ☆30Updated 5 years ago
• a-bean-sprout / XGBoost_StockPricePredict
  Attempt to use XGBoost in stock price prediction
  ☆91Updated 5 years ago
• journeyH / debtDefaultResearch
  对截止至2017年7月17日的债券违约事件进行梳理归因，并寻找宏观流动性影响因素，组成数据集。运用Lasso回归进行特征提取后，输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测，得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结…
  ☆58Updated 6 years ago