ypylj / Multi-Class-Classification
使用支持向量机，感知机，随机森林，决策树，k近邻，logistic，LSTM，bagging，boosting，集成等多种常见算法实现多分类任务（三分类）。Support vector machine, perceptron, random forest, decision tree, k-nearest neighbor, logistic, bagging, boosting, LSTM, ensemble and other common algorithms are used to achieve multi classification tasks.
☆16Updated 4 years ago
Alternatives and similar repositories for Multi-Class-Classification:
Users that are interested in Multi-Class-Classification are comparing it to the libraries listed below
- 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
- [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☆44Updated 6 years ago
- 用TensorFlow搭建CNN/RNN/LSTM/GRU/BiRNN/BiLSTM/BiGRU/Capsule Network等deep learning模型☆59Updated 6 years ago
- 基于pytorch框架，针对文本分类的机器学习项目，集成多种算法(xgboost, lstm, bert, mezha等等)，提供基础数据集，开箱即用，方便自己二次拓展，持续更新☆29Updated 2 years ago
- CNN-BiGRU-Attention模型☆89Updated 2 years ago
- Pytorch Bert+BiLstm二分类☆42Updated 3 years ago
- 集成各种神经网络进行情感分类，包括CNN、LSTM、Transformer以及BERT等网络模型☆72Updated 6 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☆42Updated 5 years ago
- 文本分类， 双向lstm + attention 算法☆90Updated 4 years ago
- BiLSTM 加普通Attention中文文本多分类Pytorch实现☆33Updated 4 years ago
- 一个基本的多层lstm rnn模型，能实现中英文文本的二分类或多分类☆47Updated 6 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
- 基于word2vec预训练词向量； textCNN 模型 ；charCNN 模型 ；Bi-LSTM模型；Bi-LSTM + Attention 模型 ；Transformer 模型 ；ELMo 预训练模型 ；BERT 预训练模型的文本分类项目☆118Updated 4 years ago
- 以京东评论作为数据集，使用常见的机器学习算法如KNN、SVM、逻辑回归、贝叶斯、xgboost等等算法进行分类。使用深度学习中的CNN、RNN、CNN和RNN连接、Bi-GRU、bert模型进行分类。使用fastnlp的框架搭建文本分类。☆32Updated 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☆41Updated last year
- 时间序列ARIMA模型的销量预测☆63Updated 6 years ago
- 基于pytorch进行文本多分类，主要模型为双向LSTM，预测准确率83%☆42Updated 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☆58Updated 7 years ago
- 基于seq2seq模型的风功率预测☆28Updated 5 years ago
- 集成学习Stacking方法详解☆74Updated 5 years ago
- 通过修改transformer使其可以预测金融时间序列☆33Updated 4 years ago
- 基于LSTM+CNN的自然语言处理，基于单维LSTM、多维LSTM时序预测算法和多元线性回归算法的预测模型☆11Updated 4 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征，分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT（梯度提升决策树）。☆90Updated 6 years ago
- pytorch实现的LSTM简易 文本分类（附代码详解）☆38Updated 4 years ago
- 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…☆77Updated 6 years ago
- stock trend prediction using multi-source data☆12Updated 4 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…☆31Updated 2 years ago
- 近年来，随着微信、微博、市长信箱、阳光热线等网络问政平台逐步成为政府了解民意、汇聚民智、凝聚民气的重要渠道，各类社情民意相关的文本数据量不断攀升，给以往主要依靠人工来进行留言划分和热点整理的相关部门的工作带来了极大挑战。同时，随着大数据技术的发展，建立基于自然语言处理技术的…☆33Updated 4 years ago
- 客流量时间序列预测模型☆121Updated 3 years ago
- 利用CNN,LSTM,CNN_LSTM,TextCNN,Bi-LSTM和传统的机器学习算法进行情感分析，参考：https://github.com/Edward1Chou/SentimentAnalysis☆91Updated 6 years ago