#资源达人分享计划#

主要介绍了在keras下实现多个模型的融合方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

对数据进行预处理，生成更多的训练样本。基于以上构建的训练集，训练了多个回归模型，包括：XGboost、GBDT、RandomForest、SVR（线性核与高斯核），训练时各个分仓是分别建模的。

机器学习算法进行非时间序列的房价预测，多模型融合为主要思想，提升算法Xgboost

pytorch_classification 利用pytorch实现图像分类，其中包含的密集网，resnext，mobilenet，efficiencynet，resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法 实现功能 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，修正与投票融合 利用flask实现模型云端api部署 使用tta测试时增强进行预测 添加label smooth的pytorch实现（标签平滑） 添加使用cnn提取特征，并使用SVM，RF，MLP，KN

abyss-daico：DAICO是一种创新的筹款模型，融合了去中心化自治组织（DAO）的一些好处，旨在升级并使初始ICO概念更加透明

这个是我参加天池的比赛 美年健康的完整程序，包括最初的修改代码，最终代码，数据，几乎涵盖了我整个项目流程，包括数据的处理，分析，模型的选择比较。