ypylj / Multi-Class-ClassificationLinks
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.
☆18Updated 5 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
Sorting:
- 机器学习集成模型之Stacking各类模型及工具源码☆118Updated 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。☆25Updated 6 years ago
- CNN-BiGRU-Attention模型☆100Updated 3 years ago
- 常用的特征选择方法☆67Updated 3 years ago
- 通过修改transformer使其可以预测金融时间序列☆38Updated 4 years ago
- stock trend prediction using multi-source data☆12Updated 4 years ago
- 客流量时间序列预测模型☆129Updated 3 years ago
- 时间序列ARIMA模型的销量预测☆65Updated 7 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…☆84Updated 6 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☆85Updated 5 years ago
- 文本分类， 双向lstm + attention 算法☆90Updated 5 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☆47Updated 6 years ago
- 基于Keras的LSTM多变量时间序列预测☆26Updated 7 years ago
- 用TensorFlow搭建CNN/RNN/LSTM/GRU/BiRNN/BiLSTM/BiGRU/Capsule Network等deep learning模型☆59Updated 7 years ago
- 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☆74Updated 6 years ago
- A PyTorch Tutorials of Sentiment Analysis Classification (RNN, LSTM, Bi-LSTM, LSTM+Attention, CNN)☆327Updated 2 years ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 集成学习Stacking方法详解☆77Updated 6 years ago
- 基于Keras的LSTM多变量时间序列预测☆184Updated 7 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☆33Updated 2 years ago
- 利用时间序列预测汽车销量☆43Updated 6 years ago
- Codes for time series forecast☆146Updated 4 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
- 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。☆198Updated 5 years ago
- ☆277Updated 3 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☆47Updated 2 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☆53Updated 8 years ago
- 利用Python实现三层BP神经网络☆83Updated 7 years ago
- ☆166Updated 6 years ago
- 不同时间序列预测方法对上海旅游规模进行预测☆18Updated 6 years ago