#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.
Insgesamt 9 Repositories
Ein baumbasierter Feature-Auswahltool, das sowohl den Boruta-Feature-Auswahlalgorithmus als auch Shapley-Werte kombiniert.
Code zur Berechnung von Permutations- und Drop-Column-Importanten in Python scikit-learn-Modellen
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.
Häufig gestellte Fragen
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
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.
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.