AiLearning：数据分析+机器学习实战+线性代数+PyTorch+NLTK+TF2

⚡机器学习实战（Python3）：kNN、决策树、贝叶斯、逻辑回归、SVM、线性回归、树回归

通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。实现算法有KNN、Kmeans、EM、Perceptron、决策树、逻辑回归、svm、adaboost、朴素贝叶斯

XGBoost + Optuna

An extension of XGBoost to probabilistic modelling

a python code of applying GBDT+LR for CTR prediction

Code for our Spatiotemporal Dynamic Network

TextClf ：基于Pytorch/Sklearn的文本分类框架，包括逻辑回归、SVM、TextCNN、TextRNN、TextRCNN、DRNN、DPCNN、Bert等多种模型，通过简单配置即可完成数据处理、模型训练、测试等过程。

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

机器学习集成模型之Stacking各类模型及工具源码

最近在学习机器学习，深度学习，自然语言处理，统计学习方法等知识，所以决定自己将学习的相关算法用Python实现一遍，并结合GitHub上相关大牛的代码进行改进，本项目会不断的更新相关算法，欢迎star，fork和关注。 主要包括： 1.吴恩达Andrew Ng老师的机器学习课程个人笔记 Python实现， 2.deeplearning.ai（吴恩达老师的深度学习课程笔记及资源） Python…

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

集成学习Stacking方法详解

数据特征工程、各种机器学习回归模型、回归数据预处理

Comparison of XGBoost, LightGBM and CatBoost on MNIST classification problem

智慧物流算法大赛简介： 根据包括货值、路程和油价等字段的数据集，对每趟货物运送的运价进行回归预测。 本项目为我的参赛代码，分为四个主要的部分：1.数据预处理；2.特征工程；3.建模调参训练；4.数据可视化。 最终获得了大赛的二等奖。

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

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；利用准确率、KS值、ROC曲线、AUC值以及lift曲线进行模型评估。

使用5-6个模型（可以是knn svm 贝叶斯等等）用投票的方式做一个集成学习对MNIST数据集进行分类。

常见机器学习算法回归、分类应用示例，调参；包括基础的线性回归算法、集成学习、支持向量机等；调参包括网格搜索、随机搜索、贝叶斯优化、优化算法如GA优化等。

numpy实现常用的的机器学习库,分类模型实现:KNN，LDA，LR，Decision Tree(ID3,C4.5,CART)，RF，perception，SVM，Neural network，GBDT，Xgboost，Adaboost;回归模型实现 :LASSO，Ridge，LR，RF，Decision Tree(ID3,C4.5,CART);非监督模型 :PCA，Kmeans，SVD;概…

🎈 2020年中国高校计算机大赛(C4)-网络技术挑战赛EP2赛项 基于XGBoost集成学习模型的在线流量分类模型

为了深入了解一些机器学习算法，把一些经典算法的代码都过一遍。包括决策树、集成学习(Adaboost、GBDT、XgBoost、RandomForest)、支持向量机、EM算法(GMM)、极大似然估计、降维算法(PCA、LDA、T-SNE)、聚类算法(K-Mean)、kNN。

麻雀算法优化支持向量机 python实现

CCF BDCI 2022比赛 返乡发展人群预测赛题 Baseline 数据挖掘（特征工程+集成学习）队伍排名39/2297

针对dmsc0影评数据集，朴素贝叶斯、线性支持向量机、决策树、随机森林、逻辑回归、K-最近邻居、神经网络、集成学习八种分类模型，验证其分类效果，分别给出不同参数组合情况下的分类准确率和召回率

茶叶嫩芽目标及其关键点检测两阶段模型（目标-关键点-回归映射）

集成学习

This project builds and optimizes a model on a dataset using Ridge regression and polynomial features. Model accuracy is enhanced through regularization and polynomial transformations. Grid search …