Git Stars Git Stars

#machine-learning-interpretability Repositories

Entdecke 4 aktive Open-Source-GitHub-Repositories, die mit #machine-learning-interpretability getaggt sind und insgesamt 6,129 Sterne gesammelt haben (durchschnittlich 1,532 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist jphall663/awesome-machine-learning-interpretability mit 4,088 Sternen.

4
Gesamtzahl der Repositories
6,129
Gesamtanzahl der Sterne
1,532
Durchschnittliche Sterne/Repo
Programmiersprachen: Jupyter Notebook R

Insgesamt 4 Repositories

1
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
2
sosuneko/PDPbox

Python Partial-Abhängigkeitsplot-Werkzeugkasten

sosuneko
⭐ 860 Jupyter Notebook 👤 sosuneko User 🕐 Aktualisiert 2024-09-03 📅 Erstellt 2017-06-26
3
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
4
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 #machine-learning-interpretability-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#machine-learning-interpretability-Projekt auf GitHub ist jphall663/awesome-machine-learning-interpretability mit 4,088 Sternen. Eine kuratierte Liste toller verantwortungsvoller Machine-Learning-Ressourcen.

2

Welche Programmiersprachen werden in #machine-learning-interpretability-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #machine-learning-interpretability-Projekten auf GitHub sind Jupyter Notebook, R die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #machine-learning-interpretability-Repositories berechnet?

Wir verfolgen 4 aktive Open-Source-Repositories, die mit #machine-learning-interpretability getaggt sind (500+ Sterne), mit insgesamt 6,129 Sternen und durchschnittlich 1,532 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.