#feature-selection Repositories
Entdecke 18 aktive Open-Source-GitHub-Repositories, die mit #feature-selection getaggt sind und insgesamt 20,050 Sterne gesammelt haben (durchschnittlich 1,113 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist feature-engine/feature_engine mit 2,297 Sternen.
Insgesamt 18 Repositories
Open-Source-Python-Bibliothek für Feature Engineering und -auswahl, kompatibel mit sklearn.
Der Feature Selector ist ein Werkzeug zur Dimensionsreduktion von Machine-Learning-Datensätzen
Aktien im Bereich Deep Learning und Machine Learning bieten vielversprechende Chancen für langfristige und kurzfristige Investoren und Trader.
Python-Implementierungen der Boruta-Methode zur Auswahl aller relevanten Merkmale.
NVTabular ist eine Bibliothek für Feature Engineering und Vorverarbeitung von tabellarischen Daten, die entwickelt wurde, um Terabyte-große Datensätze schnell und einfach zu manipulieren, die zum Trainieren von Deep-Learning-basierten Empfehlungssystemen verwendet werden.
Feature Engineering ist der Prozess, Domain-Wissen zu nutzen, um Features aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Features können verwendet werden, um die Leistung von Machine-Learning-Algorithmen zu verbessern. Feature Engineering kann als angewandtes Machine Learning selbst betrachtet werden.
Nutzen Sie fortgeschrittene Feature-Engineering-Strategien und wählen Sie mit einer einzigen Codezeile die besten Features aus Ihrem Datensatz aus. Erstellt von Ram Seshadri. Mitarbeiter willkommen.
Ein baumbasierter Feature-Auswahltool, das sowohl den Boruta-Feature-Auswahlalgorithmus als auch Shapley-Werte kombiniert.
MRMR (Minimum-Redundancy-Maximum-Relevance) für die automatische Merkmalsauswahl in großem Maßstab.
Ein Python-Paket für die gleichzeitige Hyperparameter-Optimierung und Merkmalsauswahl für Gradient-Boosting-Modelle.
Lineares Vorhersagemodell mit automatisierten Funktionen für Feature-Engineering und -Auswahl
Einfach zu bedienende Python-Bibliothek mit benutzerdefinierten Funktionen zur Datenbereinigung und -analyse.
Desbordante ist ein leistungsstarker Datenprofiler, der mithilfe verschiedener Algorithmen viele unterschiedliche Muster in Daten erkennen kann. Außerdem können mit diesen Algorithmen Szenarien zur Datenbereinigung ausgeführt werden. Desbordante ist als Konsolenversion und als benutzerfreundliche Webanwendung verfügbar.
Häufig gestellte Fragen
Welches ist das beliebteste #feature-selection-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#feature-selection-Projekt auf GitHub ist feature-engine/feature_engine mit 2,297 Sternen. Open-Source-Python-Bibliothek für Feature Engineering und -auswahl, kompatibel mit sklearn.
Welche Programmiersprachen werden in #feature-selection-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #feature-selection-Projekten auf GitHub sind Python, Jupyter Notebook, R, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #feature-selection-Repositories berechnet?
Wir verfolgen 18 aktive Open-Source-Repositories, die mit #feature-selection getaggt sind (500+ Sterne), mit insgesamt 20,050 Sternen und durchschnittlich 1,113 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.