Git Stars Git Stars

#interpretable-machine-learning Repositorios

Descubre 9 repositorios activos de código abierto de GitHub etiquetados con #interpretable-machine-learning, que acumulan 18,839 estrellas en total (una media de 2,093 estrellas por proyecto). El líder de este tema es interpretml/interpret, con 6,986 estrellas.

9
Total de Repositorios
18,839
Total de estrellas
2,093
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook C++
1
interpretml/interpret

Ajusta modelos interpretables. Explica el aprendizaje automático de caja negra.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Actualizado 2026-11-16 📅 Creado 2019-05-03
2
jphall663/awesome-machine-learning-interpretability

Una lista curada de recursos increíbles de aprendizaje automático responsable.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Actualizado 2026-06-03 📅 Creado 2018-06-21
3
interpretml/DiCE

Genera explicaciones contrafácticas diversas para cualquier modelo de aprendizaje automático.

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 Actualizado 2025-07-13 📅 Creado 2019-05-02
4
ModelOriented/DALEX

Lenguaje Agnostic del Modelo para la Exploración y Explicación

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 Actualizado 2026-07-15 📅 Creado 2018-02-18
5
SelfExplainML/PiML-Toolbox

PiML (Python Interpretable Machine Learning) toolbox para el desarrollo y diagnóstico de modelos

SelfExplainML
⭐ 1,285 Jupyter Notebook 👤 SelfExplainML Organization 🕐 Actualizado 2025-03-30 📅 Creado 2022-04-29
6
dswah/pyGAM

[COLABORADORES BIENVENIDOS] Modelos Aditivos Generalizados en Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Actualizado 2026-04-21 📅 Creado 2017-01-19
7
salesforce/OmniXAI

OmniXAI: Una biblioteca para IA explicable

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 Actualizado 2026-06-02 📅 Creado 2022-02-17
8
mmschlk/shapiq

Valores de Shapley e interacciones de Shapley para el aprendizaje automático

mmschlk
⭐ 797 Python 👤 mmschlk User 🕐 Actualizado 2026-11-20 📅 Creado 2023-10-17
9
jphall663/interpretable_machine_learning_with_python

Ejemplos de técnicas para entrenar modelos ML interpretables, explicar modelos ML y depurar modelos ML en términos de precisión, discriminación y seguridad.

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

Preguntas frecuentes

1

¿Cuál es el repositorio de #interpretable-machine-learning más popular en GitHub?

El proyecto de código abierto de #interpretable-machine-learning mejor posicionado en GitHub es interpretml/interpret, con 6,986 estrellas. Ajusta modelos interpretables. Explica el aprendizaje automático de caja negra.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #interpretable-machine-learning?

Entre los proyectos de #interpretable-machine-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++.

3

¿Cómo se calcula la clasificación de los repositorios de #interpretable-machine-learning?

Seguimos 9 repositorios activos de código abierto etiquetados con #interpretable-machine-learning (500+ estrellas), que suman un total de 18,839 estrellas, con una media de 2,093 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.