#factorization-machines Repositorios
Descubre 5 repositorios activos de código abierto de GitHub etiquetados con #factorization-machines, que acumulan 12,828 estrellas en total (una media de 2,565 estrellas por proyecto). El líder de este tema es shenweichen/DeepCTR, con 8,050 estrellas.
5 repositorios en total
Paquete fácil de usar, modular y extensible de modelos CTR basados en aprendizaje profundo.
Una biblioteca de modelos de coincidencia profunda para recomendaciones y publicidad. Es fácil entrenar modelos y exportar vectores de representación que se pueden utilizar para la búsqueda ANN.
DeepTables: Kit de herramientas de aprendizaje profundo para datos tabulares
Código oficial para "DaisyRec 2.0: Benchmarking Recommendation for Rigorous Evaluation" (TPAMI2022) y "Are We Evaluating Rigorously? Benchmarking Recommendation for Reproducible Evaluation and Fair Comparison" (RecSys2020)
Preguntas frecuentes
¿Cuál es el repositorio de #factorization-machines más popular en GitHub?
El proyecto de código abierto de #factorization-machines mejor posicionado en GitHub es shenweichen/DeepCTR, con 8,050 estrellas. Paquete fácil de usar, modular y extensible de modelos CTR basados en aprendizaje profundo.
¿Qué lenguajes de programación se utilizan más en los repositorios de #factorization-machines?
Entre los proyectos de #factorization-machines mejor posicionados en GitHub, los lenguajes de programación más comunes son Python.
¿Cómo se calcula la clasificación de los repositorios de #factorization-machines?
Seguimos 5 repositorios activos de código abierto etiquetados con #factorization-machines (500+ estrellas), que suman un total de 12,828 estrellas, con una media de 2,565 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.