pursueDSxie / randomforest
随机森林,该模型用于预测气候温度
☆13Updated last year
Related projects ⓘ
Alternatives and complementary repositories for randomforest
- 实验源代码-----基于随机森林的气温预测☆35Updated 4 years ago
- 利用sklearn实现机器学习算法:线性回归、逻辑回归、决策树、随机森林、SVM等☆133Updated 4 years ago
- 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。☆177Updated 4 years ago
- 本项目为时间序列预测项目,主要重点在于对预测项目整体流程的梳理总结,不同框架下如何进行简单数据处理和模型搭建。因此项目中搭建的主要为一些常用模型(后续会不断修改完善)。模型包含了prophet模型、keras库的bp神经网络和lstm网络模型、pytorch …☆18Updated last year
- 基于机器学习的信用风险评估模型,主要使用了Sklearn库,通过逻辑回归,向量机等模型,根据借款人的个人身份信息评估是否应当发放贷款。☆11Updated 2 years ago
- 包含灰色预测模型:灰色单变量预测模型GM(1,1)模型,灰色多变量预测模型GM(1,N)模型,GM(1,N)幂模型,灰色多变量周期幂模型GM(1,N|sin)幂模型,以及灰色关联模型☆70Updated 2 years ago
- Use BPNN and LSTM to forecast stock price. 使用BP神经网络和LSTM预测股票价格,注释拉满。☆173Updated 2 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…☆65Updated 5 years ago
- 基于Python:网络爬虫获取房价信息、数据的预处理和可视化、搭建基于房价预测的机器学习模型、房价预测。☆101Updated 3 months ago
- 使用bp神经网络预测股票价格。BP neural network is used to predict the stock price.☆33Updated 4 years ago
- 用LSTM预测空气质量☆27Updated 4 years ago
- Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)☆79Updated 4 years ago
- 时间序列ARIMA模型的销量预测☆60Updated 6 years ago
- 使用svr, mlp, rnn, lstm, am-lstm进行多元时间序列回归预测☆51Updated last year
- 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☆50Updated 4 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☆63Updated 4 years ago
- 机器学习算法超参数的优化方法——基于hyperopt和bayes_opt☆15Updated 6 years ago
- 利用时间序列预测汽车销量☆37Updated 5 years ago
- 基于LSTM的电力负荷预测☆135Updated 6 years ago
- 交通枢纽客流量预测算法模型☆13Updated 4 years ago
- 深度学习以进行时间序列预测☆590Updated 3 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☆38Updated 4 years ago
- 使用多种算法(线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM)进行电力系统负荷预测/电力预测。通过一个简单的例子。A variety of algorithms (linear regression, random forest, support vecto…☆151Updated 4 years ago
- 水质预测系统,利用机器学习进行水质预测☆70Updated 2 years ago
- 基于iris数据集进行四种机器学习算法(决策树、朴素贝叶斯、随机森林、支持向量机SVM)的训练,使用交叉检验(Cross-validation)对比了各算法的预测准确率。☆21Updated 4 years ago
- python实现的随机森林☆88Updated 2 years ago
- 客流量时间序列预测模型☆111Updated 2 years ago
- 模型优化调参---网格搜索(五折交叉验证)☆11Updated 5 years ago
- 根据用户数据以及消费行为数据,使用Python建立分类模型,进行逻辑回归,预测使用优惠券概率较高的客群☆17Updated 4 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆321Updated 4 years ago