zhaoxingfeng / RandomForestLinks
随机森林,Random Forest(RF)
☆416Updated 5 years ago
Alternatives and similar repositories for RandomForest
Users that are interested in RandomForest are comparing it to the libraries listed below
Sorting:
- python实现的随机森林☆104Updated 3 years ago
- 利用Python实现三层BP神经网络☆82Updated 7 years ago
- 用Python实现SVM多分类器☆422Updated last year
- 【Numpy 手写实现】SVM 支持向量机 | KNN K近邻 | Kmeans | Logistic Regression 逻辑回归 | Maximum Entropy 最大熵 | Naive Bayes 朴素贝叶斯 | Perception 感知机 | Decision…☆211Updated 5 years ago
- a back propagation neural network with genetic algorithm☆82Updated 7 years ago
- 粒子群算法优化支持向量机☆139Updated 3 years ago
- 集成学习Stacking方法详解☆76Updated 6 years ago
- K-Means++(HCM), Fuzzy C-Means(FCM), Hierarchical Clustering, DBscan☆379Updated 5 months 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 7 years ago
- Python 基于BP神经网络实现鸢尾花的分类☆356Updated 5 years ago
- 基于遗传算法的特征选择☆128Updated 5 years ago
- 决策树分类(ID3,C4.5,CART)☆485Updated 2 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☆287Updated 5 years ago
- feature selections and extractions☆88Updated last year
- 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
- 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☆180Updated 5 years ago
- 基于Keras的LSTM多变量时间序列预测☆182Updated 7 years ago
- bp 神经网络算法☆125Updated 2 years ago
- 时间序列ARIMA模型的销量预测☆64Updated 7 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☆82Updated 5 years ago
- A small project abot GA and ANN,基于TensorFlow实现基于遗传算法的神经网络结构搜索技术,在威斯康星乳腺癌细胞分类的数据集上面进行实验,并与传统的机器学习的分类算法进行对比,验证该算法的结果的优劣性。☆37Updated 5 years ago
- 支持向量机,Support Vector Machine(SVM),多类分类☆31Updated 8 years ago
- 决策树、随机森林☆49Updated 6 years ago
- 基于遗传算法的BP神经网络☆16Updated 4 years ago
- Codes for time series forecast☆145Updated 4 years ago
- Python code of RBF neural network classification model☆46Updated 6 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。☆195Updated 5 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…☆83Updated 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☆44Updated 5 years ago
- Learning and Recording☆34Updated 6 years ago