terrychen17 / Task005
模型优化调参---网格搜索（五折交叉验证）
☆11Updated 5 years ago
Related projects ⓘ
Alternatives and complementary repositories for Task005
- 机器学习集成模型之Stacking各类模型及工具源码☆106Updated 4 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☆36Updated 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☆132Updated 4 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☆27Updated 4 years ago
- 集成学习Stacking方法详解☆65Updated 5 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- Python 建立的BP神经网络处理预测相关公交线路数据☆36Updated 7 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☆275Updated 4 years ago
- 利用Python实现三层BP神经网络☆79Updated 6 years ago
- 逻辑回归做二分类进行癌症预测(基于细胞的属性特征)☆21Updated 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)☆79Updated 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☆62Updated 4 years ago
- 构建基于逻辑回归的评分卡模型☆43Updated 5 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☆49Updated 4 years ago
- 利用时间序列预测汽车销量☆37Updated 5 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
- 基于遗传算法的特征选择☆123Updated 4 years ago
- 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。☆96Updated 5 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。☆24Updated 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☆35Updated 4 years ago
- 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☆53Updated 7 years ago
- 机器学习实践：贷款违约预测☆33Updated 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)☆57Updated 4 years ago
- 房价预测完整项目：1.爬取链家网数据 2.处理后，用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好，R^2值0.75左右☆221Updated 5 years ago
- 数据预处理之缺失值处理，特征选择☆21Updated 5 years ago
- 使用决策树进行客户流失预测分析☆10Updated 6 years ago
- 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☆51Updated 7 years ago
- 支持向量机，Support Vector Machine(SVM)，多类分类☆28Updated 7 years ago
- 记录小润了解的各种机器学习算法的实现以及基础概念，包括有监督学习，无监督学习，分类，聚类，回归；神经元模型，多层感知器，BP算法；损失函数，激活函数，梯度下降法；全连接网络、卷积神经网络、递归神经网络；训练集，测试集，交叉验证，欠拟合，过拟合；数据规范化等☆149Updated 8 years ago
- 实验源代码-----基于随机森林的气温预测☆35Updated 4 years ago