MEDIUM_NoteBook

MEDIUM_NoteBook

改进时间序列预测与机器学习技术的全面指南

该存储库收录了作者在MEDIUM平台发布的时间序列预测及各种机器学习方法的笔记。内容包含从梯度提升和生存分析模型到使用Keras进行异常检测和特征选择等多个主题。每篇文章提供详细的实现代码,适用于数据科学家和机器学习工程师参考和学习。

时间序列预测机器学习数据科学Gradient BoostingMLOpsGithub开源项目

MEDIUM_笔记本

这个仓库包含了我在 MEDIUM 上发布的文章笔记。

每次发布新文章时都会收到通知,点此 订阅

"请我喝咖啡"

按最新发布时间排序的文章

  • GenAI时代的时间序列预测:使梯度提升像LLM一样表现 [文章][代码]
  • 使用Sklearn进行时间序列预测的MLOps指南 [文章]|[代码]
  • 到达时间预测:时间序列概率预测的另一种方法 [文章]|[代码]
  • 使用Granger因果关系进行预测:检查时间序列虚假相关 [文章]|[代码]
  • 破解因果推断:使用机器学习方法的合成控制 [文章]|[代码]
  • 不平衡数据的模型选择:仅靠AUC可能无法拯救你 [文章]|[代码]
  • 多变量时间序列的PCA:预测动态高维数据 [文章]|[代码]
  • 破解统计显著性:使用机器学习方法进行假设检验 [文章]|[代码]
  • 使用保序区间进行时间序列预测:Scikit-Learn足以 [文章]|[代码]
  • 重新思考生存分析:如何使你的模型生成生存曲线 [文章]|[代码]
  • 极端流失预测:无需特征的预测 [文章]|[代码]
  • 预测丢失值的时间序列:超越线性插值 [文章]|[代码]
  • 使用线性模型进行不确定性预测,如同深度学习 [文章]|[代码]
  • 带有特征选择的时间序列预测:你可能需要它 [文章]|[代码]
  • 使用网络图的多变量时间序列的异常检测 [文章]|[代码]
  • 如何改进递归时间序列预测 [文章]|[代码]
  • 重新训练,还是不重新训练?使用梯度提升的在线机器学习 [文章]|[代码]
  • 数据漂移解释性:使用NannyML的可解释漂移检测 [文章]|[代码]
  • 使用时间序列的Word2Vec:一种迁移学习方法 [文章]|[代码]
  • 用SHAP进行漂移检测:有效的数据漂移监测 [文章]|[代码]
  • 使用树进行预测:时间序列的混合分类器 [文章]|[代码]
  • BORUTA SHAP用于时间特征选择 [文章]|[代码]
  • 使用树进行预测:时间序列的混合建模 [文章]|[代码]
  • 递归特征选择:添加还是删除? [文章]|[代码]
  • 使用线性模型改进随机森林 [文章]|[代码]
  • 梯度提升是否与Prophet一样优秀进行时间序列预测? [文章]|[代码]
  • 线性提升与自动特征工程 [文章]|[代码]
  • 改进时间序列预测的线性回归模型 [文章]|[代码]
  • 用于更好特征选择的Boruta和SHAP [文章]|[代码]
  • 带有线性树的可解释AI [文章]|[代码]
  • 用于特征选择和超参数调优的SHAP [文章]|[代码]
  • 模型树:混合线性模型和决策树处理数据漂移 [文章]|[代码]
  • 向你的预测模型添加预测区间 [文章]|[代码]
  • 线性树:线性模型和决策树的完美结合 [文章]
  • 使用软标签的ARIMA分类 [文章]|[代码]
  • 高级排列重要性解释预测 [文章]|[代码]
  • 深度学习时代的时间序列Bootstrap [文章]|[代码]
  • 使用极值分析的异常检测 [文章]|[代码]
  • 使用VAE LSTM生成时间序列 [文章]|[代码]
  • 极端事件时间序列预处理 [文章]|[代码]
  • Keras中的单类神经网络 [文章]|[代码]
  • 实时时间序列异常检测 [文章]|[代码]
  • 结构熵在股票市场的应用 [文章]|[代码]
  • 更好预测的时间序列平滑 [文章]|[代码]
  • 更好聚类的时间序列平滑 [文章]|[代码]
  • 使用ResNet进行预测性维护 [文章]|[代码]
  • 神经网络集成 [文章]|[代码]
  • 使用VAR进行多变量时间序列的异常检测 [文章]|[代码]
  • Corr2Vec:用于金融市场特征工程的WaveNet架构 [文章]|[代码]
  • 多文本分类中的Siamese和Dual BERT [文章]|[代码]
  • 使用图卷积神经网络进行时间序列预测 [文章]|[代码]
  • 使用Keras进行神经网络校准 [文章]|[代码]
  • LSTM和VAR结合进行多变量时间序列预测 [文章]|[代码]
  • 时间序列和循环神经网络中的特征重要性 [文章]|[代码]
  • 高级类别编码的Group2Vec [文章]|[代码]
  • Keras中的深度学习生存分析 [[文章](https://tow
  • 使用LightGBM和泊松回归进行生存分析 [文章]|[代码]
  • 预测性维护:使用CRNN和频谱图检测传感器故障 [文章]|[代码]
  • Keras中的多样本Dropout [文章]|[代码]
  • 当你的神经网络不知道:使用Keras的贝叶斯方法 [文章]|[代码]
  • Keras中的动态元嵌入 [文章]|[代码]
  • 使用LSTM孪生网络进行预测性维护 [文章]|[代码]
  • 文本数据增强使您的模型更强 [文章]|[代码]
  • 使用置换欠采样和时间依赖性进行异常检测 [文章]|[代码]
  • Time2Vec用于时间序列特征编码 [文章]|[代码]
  • 使用无监督学习自动清理数据 [文章]|[代码]
  • 使用机器学习进行人员跟踪 [文章]|[代码]
  • 时间序列聚类与降维 [文章]|[代码]
  • 图像中的异常检测 [文章]|[代码]
  • 使用神经网络进行特征重要性分析 [文章]|[代码]
  • 使用Keras中的LSTM进行异常检测 [文章]|[代码]
  • 在Keras中使用自编码器进行连衣裙分割 [文章]|[代码]
  • 使用LSTM自编码器进行极端事件预测 [文章]|[代码]
  • Zalando连衣裙推荐和标记 [文章]|[代码]
  • 使用Keras进行剩余寿命估算 [文章]|[代码]
  • 使用机器学习进行质量控制 [文章]|[代码]
  • 预测性维护:使用CNN检测传感器故障 [文章]|[代码]

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多