Git Stars Git Stars

#interpretable-ml Repositories

Entdecke 7 aktive Open-Source-GitHub-Repositories, die mit #interpretable-ml getaggt sind und insgesamt 23,613 Sterne gesammelt haben (durchschnittlich 3,373 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist interpretml/interpret mit 6,986 Sternen.

7
Gesamtzahl der Repositories
23,613
Gesamtanzahl der Sterne
3,373
Durchschnittliche Sterne/Repo

Insgesamt 7 Repositories

1
interpretml/interpret

Passen Sie interpretierbare Modelle an. Erklären Sie Blackbox-Machine-Learning.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2019-05-03
2
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
3
astroautomata/PySR

Symbolisches Lernen in Python und Julia

astroautomata
⭐ 4,301 Python 👤 astroautomata Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2020-09-14
4
jphall663/awesome-machine-learning-interpretability

Eine kuratierte Liste toller verantwortungsvoller Machine-Learning-Ressourcen.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Aktualisiert 2026-06-03 📅 Erstellt 2018-06-21
5
dswah/pyGAM

[MITWIRKENDE WILLKOMMEN] Generalisierte additive Modelle in Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Aktualisiert 2026-04-21 📅 Erstellt 2017-01-19
6
astroautomata/SymbolicRegression.jl

Verteilte Hochleistungs-Symbolische Regression in Julia

astroautomata
⭐ 819 Julia 👤 astroautomata Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2021-01-14
7
jphall663/interpretable_machine_learning_with_python

Beispiele für Techniken zum Trainieren interpretierbarer ML-Modelle, Erklären von ML-Modellen und Debuggen von ML-Modellen hinsichtlich Genauigkeit, Diskriminierung und Sicherheit.

jphall663
⭐ 679 Jupyter Notebook 👤 jphall663 User 🕐 Aktualisiert 2024-06-17 📅 Erstellt 2018-03-14

Häufig gestellte Fragen

1

Welches ist das beliebteste #interpretable-ml-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#interpretable-ml-Projekt auf GitHub ist interpretml/interpret mit 6,986 Sternen. Passen Sie interpretierbare Modelle an. Erklären Sie Blackbox-Machine-Learning.

2

Welche Programmiersprachen werden in #interpretable-ml-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #interpretable-ml-Projekten auf GitHub sind Python, C++, Julia, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #interpretable-ml-Repositories berechnet?

Wir verfolgen 7 aktive Open-Source-Repositories, die mit #interpretable-ml getaggt sind (500+ Sterne), mit insgesamt 23,613 Sternen und durchschnittlich 3,373 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.