yc-maltazard / BPNN_PythonLinks
Python 建立的BP神经网络处理预测相关公交线路数据
☆37Updated 7 years ago
Alternatives and similar repositories for BPNN_Python
Users that are interested in BPNN_Python are comparing it to the libraries listed below
Sorting:
- 基于粒子群算法的神经网络优化股票价格预测☆33Updated 5 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 years ago
- 使用bp神经网络预测股票价格。BP neural network is used to predict the stock price.☆37Updated 5 years ago
- bp 神经网络算法☆124Updated 2 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☆79Updated 5 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☆58Updated 7 years ago
- 时间序列ARIMA模型的销量预测☆61Updated 7 years ago
- 基于TensorFlow的深度学习、深度增强学习代码:NN(传统神经网络)、CNN(卷积神经网络)、RNN(递归神经网络)、LSTM(长短期记忆网络)、GAN(生成对抗网络)、DRL(深度增强学习)☆54Updated 7 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☆239Updated 6 years ago
- 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
- 利用python对3000个数据利用机器学习算法建立模型,并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术;通过相关性分析进行特征选择;建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型,并通过网格搜索法确定最优参数…☆32Updated 3 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☆155Updated 8 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。☆103Updated 5 years ago
- 基于遗传算法的BP神经网络☆16Updated 4 years ago
- 这是利用Tensorflow实现的简单BP神经网络模型☆38Updated 6 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆350Updated 5 years ago
- 利用时间序列预测汽车销量☆41Updated 6 years ago
- 使用pytorch搭建的循环神经网络在股票数据时间序列上的应用☆106Updated 7 years ago
- 客流量时间序列预测模型☆126Updated 3 years ago
- python 用GA算法优化BP神经网络☆158Updated 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)☆83Updated 5 years ago
- 集成学习Stacking方法详解☆76Updated 5 years ago
- 机器学习集成模型之Stacking各类模型及工具源码☆117Updated 4 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆215Updated 6 years ago
- 决策树、随机森林☆49Updated 6 years ago
- 利用爬虫获取58同城的二手房信息,选取特征并对数据进行预处理,利用机器学习算法给出不同地段的租房推荐。☆15Updated 6 years ago
- [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
- 基于Keras的LSTM多变量时间序列预测☆179Updated 7 years ago
- 机器学习算法超参数的优化方法——基于hyperopt和bayes_opt☆14Updated 6 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