#scikit-learn Repositories
Insgesamt 137 Repositories
PMLB: Ein großes, kuratiertes Repository von Benchmark-Datensätzen zur Bewertung überwacher Lern-Algorithmen im maschinellen Lernen.
Sammlung nützlicher Machine-Learning-Codes und Snippets (ursprünglich für den persönlichen Gebrauch bestimmt)
Echtzeit-Erkennung räumlich-zeitlich lokalisierter Aktivitäten durch Verfolgung von Körper-Schlüsselpunkten
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.
Alle Antworten für Übungen aus Advances in Financial Machine Learning von Dr. Marco Lopez de Parodo.
Inferenz-Engine für Machine Learning auf Mikrocontrollern und eingebetteten Geräten
Verwenden Sie evolutionäre Algorithmen anstelle von gridsearch in scikit-learn
Python-Client und Toolkit für DataFrames, Big Data, Machine Learning und ETL in Elasticsearch
Verfolgen Sie Ihre Data Science. Die Open-Source-Python-Bibliothek von Skore beschleunigt die Entwicklung von ML-Modellen mit automatisierten Evaluationsberichten, klugem methodischem Rat und umfassender Kreuzvalidierungsanalyse.
Leitfaden für maschinelles Lernen. Erfahren Sie alles über Machine-Learning-Tools, Bibliotheken, Frameworks, Large Language Models (LLMs) und Trainingsmodelle.
Eine schnelle, robuste Python-Bibliothek zur Überprüfung auf beleidigende Sprache in Strings.
Code zur Berechnung von Permutations- und Drop-Column-Importanten in Python scikit-learn-Modellen
Die sauberste AutoML-Bibliothek der Welt ✨ - Führen Sie Hyperparameter-Tuning mit den richtigen Pipeline-Abstraktionen durch, um saubere Deep-Learning-Produktionspipelines zu schreiben. Lassen Sie Ihre Pipeline-Schritte Hyperparameterspaces haben. Entwerfen Sie Schritte in Ihrer Pipeline wie Komponenten. Kompatibel mit Scikit-Learn, TensorFlow und den meisten anderen Bibliotheken, Frameworks und MLOps-Umgebungen.
Veraltet, jetzt in sktime - Begleitpaket für Deep Learning basierend auf TensorFlow
REST-Webdienst für die echte Echtzeit-Bewertung (<1 ms) von Scikit-Learn-, R- und Apache-Spark-Modellen
Dieses Repository enthält alles, was Sie benötigen, um sich in Machine Learning zu spezialisieren
SciKit-Learn Laboratory (SKLL) macht es einfach, Machine-Learning-Experimente durchzuführen.
Eine vereinheitlichte Schnittstelle für Optimierungsalgorithmen und Experimente
Mehrere ML-Modelle automatisch mit einer einzigen Codezeile erstellen. Erstellt von Ram Seshadri. Kollaborateure willkommen. Erlaubnis auf Anfrage gewährt.
Alle Abbildungen und Notizbücher für mein Deep-Learning-Buch, kostenlos!
Java-Bibliothek und Kommandozeilen-Anwendung zur Konvertierung von Scikit-Learn-Pipelines in PMML
skops ist eine Python-Bibliothek, die Ihnen hilft, Ihre auf scikit-learn basierenden Modelle zu teilen und in Produktion zu bringen.