Alternatives and similar repositories for Task005

Users that are interested in Task005 are comparing it to the libraries listed below

• 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
  ☆47Updated 2 years ago
• luanshiyinyang / Stacking
  机器学习集成模型之Stacking各类模型及工具源码
  ☆118Updated 5 years ago
• yangxcc / Sklearn-Algorithm
  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)
  ☆83Updated 5 years ago
• HiddenSharp / LSTM-SVM-RF-time-series
  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。
  ☆198Updated 5 years ago
• AbtMyML / -SVM
  麻雀算法优化支持向量机 python实现
  ☆15Updated 3 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
  ☆44Updated 5 years ago
• ShaoQiBNU / stacking
  集成学习Stacking方法详解
  ☆78Updated 6 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆84Updated 7 years ago
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆128Updated 6 years ago
• goodboyv / Sklearn_Mochine_leanring
  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
  ☆188Updated 5 years ago
• L-ear / RandomForest
  python实现的随机森林
  ☆111Updated 3 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
  ☆57Updated 5 years ago
• yangwohenmai / TimeSeriesForecasting
  基于统计学的时间序列预测(AR,ARM).
  ☆292Updated 5 years ago
• coder23263 / Machine_learning_prediction_system
  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
  ☆89Updated 5 years ago
• EthanChenYZ / Time-Series-Forecast
  Codes for time series forecast
  ☆146Updated 5 years ago
• jeurtr / TimeSeries_Predict
  客流量时间序列预测模型
  ☆129Updated 3 years ago
• Zhk0314 / GA-BP
  基于遗传算法的BP神经网络
  ☆16Updated 4 years ago
• yangwohenmai / DeepLearningForTSF
  深度学习以进行时间序列预测
  ☆711Updated 4 years ago
• yx868868 / GA-optimized-neural-network
  python 用GA算法优化BP神经网络
  ☆163Updated 4 years ago
• Tuniverj / Pytorch-lstm-forecast
  基于pytorch搭建多特征LSTM时间序列预测
  ☆175Updated 3 years ago
• yuchengle / Arima
  利用时间序列预测汽车销量
  ☆44Updated 7 years ago
• bingdiaoxiaomao / hyper-parameters-optimization
  机器学习算法超参数的优化方法——基于hyperopt和bayes_opt
  ☆14Updated 7 years ago
• Wddzht / DataPreprocessing
  数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)
  ☆65Updated 5 years ago
• ShydowLi / Machine-Learning-With-R-
  逻辑回归、时间序列、KNN、朴素贝叶斯、决策树、关联规则、线性回归、神经网络、SVM、模型评估以及提高模型性能
  ☆15Updated 6 years ago
• huang027 / ARIMA
  时间序列ARIMA模型的销量预测
  ☆65Updated 7 years ago
• MichaelLee826 / iris_classification_BPNeuralNetwork
  Python 基于BP神经网络实现鸢尾花的分类
  ☆369Updated 5 years ago
• bainingchao / PyDataPreprocessing
  《Python数据预处理技术与实践》源码下载
  ☆210Updated 6 years ago
• mo2ye / SARIMA-LSTM
  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…
  ☆84Updated 6 years ago
• BackyardofAbela / EnsembleLearning
  包括决策树和随机森林进行离职人员预测，Xgboost和lightGBM的应用
  ☆287Updated 5 years ago
• KeshengZhang / Covid-19-ARIMA-Time-Series-Prediction
  如何使用ARIMA模型预测世界肺炎确诊人数？【时序数据预测】
  ☆40Updated 5 years ago