Git Stars Git Stars

#feature-importance Repositories

Entdecke 9 aktive Open-Source-GitHub-Repositories, die mit #feature-importance getaggt sind und insgesamt 11,891 Sterne gesammelt haben (durchschnittlich 1,321 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist meta-pytorch/captum mit 5,723 Sternen.

9
Gesamtzahl der Repositories
11,891
Gesamtanzahl der Sterne
1,321
Durchschnittliche Sterne/Repo

Insgesamt 9 Repositories

1
meta-pytorch/captum

Modell-Interpretierbarkeit und -Verständnis für PyTorch

meta-pytorch
⭐ 5,723 Python 👤 meta-pytorch Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2019-08-27
2
EthicalML/xai

XAI - Eine eXplainability-Toolbox für maschinelles Lernen

EthicalML
⭐ 1,270 Python 👤 EthicalML Organization 🕐 Aktualisiert 2025-11-29 📅 Erstellt 2019-01-11
3
aerdem4/lofo-importance

Leave One Feature Out Wichtigkeit

aerdem4
⭐ 867 Python 👤 aerdem4 User 🕐 Aktualisiert 2025-02-14 📅 Erstellt 2019-01-14
4
sosuneko/PDPbox

Python Partial-Abhängigkeitsplot-Werkzeugkasten

sosuneko
⭐ 860 Jupyter Notebook 👤 sosuneko User 🕐 Aktualisiert 2024-09-03 📅 Erstellt 2017-06-26
5
mmschlk/shapiq

Shapley-Werte und Shapley-Interaktionen für maschinelles Lernen

mmschlk
⭐ 797 Python 👤 mmschlk User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-10-17
6
Ekeany/Boruta-Shap

Ein baumbasierter Feature-Auswahltool, das sowohl den Boruta-Feature-Auswahlalgorithmus als auch Shapley-Werte kombiniert.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Aktualisiert 2024-02-19 📅 Erstellt 2020-04-13
7
parrt/random-forest-importances

Code zur Berechnung von Permutations- und Drop-Column-Importanten in Python scikit-learn-Modellen

parrt
⭐ 625 Jupyter Notebook 👤 parrt User 🕐 Aktualisiert 2025-03-24 📅 Erstellt 2018-03-22
8
kochlisGit/ProphitBet-Soccer-Bets-Predictor

ProphitBet ist eine Anwendung zur Vorhersage von Fußballwetten auf Basis maschinellen Lernens. Sie analysiert die Form der Teams, berechnet Spielstatistiken und sagt mithilfe fortschrittlicher Methoden des maschinellen Lernens (ML) die Spielergebnisse voraus. Außerdem bietet sie Wettagenten auf Basis von Deep Reinforcement Learning (DRL), die optimale Wettstrategien erlernen können.

kochlisGit
⭐ 606 Python 👤 kochlisGit User 🕐 Aktualisiert 2026-10-27 📅 Erstellt 2022-03-18
9
giuseppec/iml

iml: interpretierbares Machine Learning R-Paket

giuseppec
⭐ 503 R 👤 giuseppec User 🕐 Aktualisiert 2025-02-24 📅 Erstellt 2017-10-25

Häufig gestellte Fragen

1

Welches ist das beliebteste #feature-importance-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#feature-importance-Projekt auf GitHub ist meta-pytorch/captum mit 5,723 Sternen. Modell-Interpretierbarkeit und -Verständnis für PyTorch

2

Welche Programmiersprachen werden in #feature-importance-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #feature-importance-Projekten auf GitHub sind Python, Jupyter Notebook, R die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #feature-importance-Repositories berechnet?

Wir verfolgen 9 aktive Open-Source-Repositories, die mit #feature-importance getaggt sind (500+ Sterne), mit insgesamt 11,891 Sternen und durchschnittlich 1,321 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.