terrychen17 / Task005Links
模型优化调参---网格搜索(五折交叉验证)
☆11Updated 6 years ago
Alternatives and similar repositories for Task005
Users that are interested in Task005 are comparing it to the libraries listed below
Sorting:
- 机器学习集成模型之Stacking各类模型及工具源码☆118Updated 5 years ago
- 包括决策树和随机森林进行离职人员预测,Xgboost和lightGBM的应用☆288Updated 5 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)☆83Updated 5 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☆44Updated 5 years ago
- 集成学习Stacking方法详解☆76Updated 6 years ago
- python实现的随机森林☆104Updated 3 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 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☆44Updated 2 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☆56Updated 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☆82Updated 5 years ago
- 基于统计学的时间序列预测(AR,ARM).☆290Updated 4 years ago
- 利用时间序列预测汽车销量☆43Updated 6 years ago
- 异常值检测算法总结☆195Updated 5 years ago
- 常用的特征选择方法☆68Updated 3 years ago
- Codes for time series forecast☆145Updated 4 years ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 机器学习数据预处理:包括画数据分布图、特征筛选、调参技巧☆11Updated last year
- 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☆180Updated 5 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)☆65Updated 5 years ago
- 随机森林,Random Forest(RF)☆417Updated 5 years ago
- 2019年CCF智能信用评分大赛个人源码库。包含XGboost模型调参,特征筛选,训练等方案。同时包含stacking模型融合方案☆28Updated 5 years ago
- 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。☆12Updated last year
- 麻雀算法优化支持向量机 python实现☆13Updated 3 years ago
- 时间序列ARIMA模型的销量预测☆64Updated 7 years ago
- 一种有效的电力负荷预测方法☆63Updated 5 years ago
- 深度学习代码☆132Updated 6 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。☆197Updated 5 years ago
- 机器学习算法超参数的优化方法——基于hyperopt和bayes_opt☆14Updated 7 years ago
- 用 jupyter notebook做的一些机器学习项目☆87Updated 6 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