#regression Repositories
Entdecke 50 aktive Open-Source-GitHub-Repositories, die mit #regression getaggt sind und insgesamt 169,328 Sterne gesammelt haben (durchschnittlich 3,386 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist apachecn/ailearning mit 41,904 Sternen.
Insgesamt 50 Repositories
AiLearning: Datenanalyse + Machine Learning Praxis + Lineare Algebra + PyTorch + NLTK + TF2
:zap:Machine Learning Praxis (Python3): kNN, Entscheidungsbaum, Bayes, Logistische Regression, SVM, Lineare Regression, Baumregression
Open-Source, Low-Code-AutoML-Plattform für Python. PyCaret 4.0: sklearn-nativer Engine + React-Steuerungsebene.
Zeitreihen Timeseries Deep Learning Machine Learning Python Pytorch fastai | State-of-the-Art Deep Learning-Bibliothek für Zeitreihen und Sequenzen in Pytorch / fastai
Eine schnelle Bibliothek für AutoML und Tuning. Treten Sie unserem Discord bei: https://discord.gg/Cppx2vSPVP.
Buch_5_《Statistik auf den Punkt gebracht》 | Die Iris-Buch: Von grundlegenden Operationen zu maschinellem Lernen; auf Lager!
Alink ist die Machine-Learning-Algorithmusplattform basierend auf Flink, entwickelt vom PAI-Team der Alibaba Computing Platform.
Python-AutoML-Toolkit zum Benchmarking von Klassifikations-, Regressions- und Zeitreihenprognosemodellen mit GPU-Beschleunigung, MLflow-Tracking und automatisierter Vorverarbeitung.
Moderne leistungsstarke Mathematikbibliothek für PHP: Umfasst deskriptive Statistik und Regressionen; Kontinuierliche und diskrete Wahrscheinlichkeitsverteilungen; Lineare Algebra mit Matrizen und Vektoren, Numerische Analyse; Spezielle mathematische Funktionen; Algebra
Eine High-Level-Bibliothek für maschinelles Lernen und Deep Learning für die PHP-Sprache.
Ein Python-Paket für bayesianische Prognosen mit objektorientiertem Design und probabilistischen Modellen im Hintergrund.
Eine scikit-learn-kompatible Bibliothek zur Schätzung von Vorhersageintervallen und zur Risikokontrolle, basierend auf konformen Vorhersagen.
Schnelles und anpassbares Framework für die automatische Erstellung von ML-Modellen (AutoML)
Dieses Repository enthält Mini-Projekte im Bereich maschinelles Lernen mit Notebook-Dateien
Stimmungsanalyse, Textklassifikation, Text-Augmentation, Text-Adversarische Verteidigung, etc.;
Zusätzliche lineare Modelle, einschließlich Instrumentenvariablen- und Paneldatenmodellen, die in statsmodels fehlen.
Eine umfassende Bibliothek für maschinelles Lernen und numerische Berechnungen. Wenden Sie Machine Learning mit Rust an, indem Sie Grundprinzipien nutzen.
„Hands-on Exploratory Data Analysis with Python“, veröffentlicht von Packt
🤖 MatLab/Octave-Beispiele beliebter Algorithmen des maschinellen Lernens mit Codebeispielen und mathematischer Erklärung
Statistische Inferenz über Data Science: Ein ModernDive in R und das Tidyverse
Zusammenstellung von aufsehenerregenden realen Beispielen für gescheiterte Machine-Learning-Projekte
Sammlung kostenloser ML-Lesematerialien
Modern Time Series Forecasting with Python, veröffentlicht von Packt
Häufig gestellte Fragen
Welches ist das beliebteste #regression-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#regression-Projekt auf GitHub ist apachecn/ailearning mit 41,904 Sternen. AiLearning: Datenanalyse + Machine Learning Praxis + Lineare Algebra + PyTorch + NLTK + TF2
Welche Programmiersprachen werden in #regression-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #regression-Projekten auf GitHub sind Python, Jupyter Notebook, Rust, Java die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #regression-Repositories berechnet?
Wir verfolgen 50 aktive Open-Source-Repositories, die mit #regression getaggt sind (500+ Sterne), mit insgesamt 169,328 Sternen und durchschnittlich 3,386 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.