Alternatives and similar repositories for K-Prototypes

Users that are interested in K-Prototypes are comparing it to the libraries listed below

• lujiaxuan0520 / Prediction-and-Scheduling-of-Shared-Bike
  基于深度学习的共享单车预测与调度解决方案，使用神经网络构建单车需求量与时间段和地理画像的关联，预测不同区域单车需求量；使用蚁群算法规划最优单车调度路径。
  ☆101Updated 6 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
• xiaogp / track_sequence_anomaly_detection
  由时间空间成对组成的轨迹序列，通过循环神经网络lstm，自编码器auto-encode，时空密度聚类st-dbscan做异常检测
  ☆73Updated 5 years ago
• 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
  ☆58Updated 7 years ago
• huang027 / ARIMA
  时间序列ARIMA模型的销量预测
  ☆61Updated 7 years ago
• luanshiyinyang / Stacking
  机器学习集成模型之Stacking各类模型及工具源码
  ☆117Updated 4 years ago
• huanghepijiu / -
  配电网负荷预测，BP神经网络，Cart决策树，GDBT，CatBoost
  ☆16Updated 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
  ☆79Updated 5 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…
  ☆82Updated 6 years ago
• SuperTorch / SupplyChain
  智能供应链分析，对顾客用rfm模型分类，用多种机器学习模型建模，进行欺诈订单预测，延迟发货预测，销售额预测，销售数量预测
  ☆35Updated 4 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
• lau404 / Bank-Marketing
  分析银行营销活动数据以预测客户有多大可能购买存款产品
  ☆13Updated 5 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
  ☆288Updated 5 years ago
• jeurtr / TimeSeries_Predict
  客流量时间序列预测模型
  ☆126Updated 3 years ago
• rogeroyer / feature_selection_GAAlgorithm
  基于遗传算法的特征选择
  ☆127Updated 5 years ago
• 634671436 / Air_Pollution_Forcast_Beijing
  基于Keras的LSTM多变量时间序列预测
  ☆179Updated 7 years ago
• 18786683795 / LSTM_realTmpredict_rhyc
  基于卡口实时过车数据进行交通流量的实时预测分析，使用LSTM循环神经网络模型进行融合预测，准确率达到90%以上。
  ☆57Updated 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
  ☆56Updated 5 years ago
• ljwen44 / traffic-zone
  交通时空大数据分析与挖掘
  ☆14Updated 3 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆68Updated 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。
  ☆103Updated 5 years ago
• yuchengle / Arima
  利用时间序列预测汽车销量
  ☆41Updated 6 years ago
• tjaume / BPNeuralNetworks
  利用Python实现三层BP神经网络
  ☆82Updated 7 years ago
• nanguoyu / StudentGradeRegression
  [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩
  ☆46Updated 6 years ago
• LeronQ / score_logistic
  构建基于逻辑回归的评分卡模型
  ☆45Updated 6 years ago
• EEEGUI / Modeling-Competition
  研究生数学建模比赛－航班登机口分配
  ☆16Updated 6 years ago
• oubahe / GSA-PSO-SVR
  一种有效的电力负荷预测方法
  ☆63Updated 5 years ago
• TNTmohan / LFforecast
  电力系统短期负荷预测
  ☆44Updated 4 years ago
• Hust-ZYD / SubwayFlowPredict
  2019天池大数据竞赛杭州市地铁流量流入流出预测 成绩27/2319 比赛地址https://tianchi.aliyun.com/competition/entrance/231708/introduction?spm=5176.12281957.1004.6.38b0…
  ☆45Updated 6 years ago
• changliang5811 / SSA_python
  麻雀搜索算法(Sparrow Search Algorithm, SSA)的python实现
  ☆131Updated 5 years ago