#random-forest Repositorios
Descubre 26 repositorios activos de código abierto de GitHub etiquetados con #random-forest, que acumulan 57,940 estrellas en total (una media de 2,228 estrellas por proyecto). El líder de este tema es EpistasisLab/tpot, con 10,051 estrellas.
26 repositorios en total
Una herramienta de Automated Machine Learning en Python que optimiza pipelines de machine learning usando programación genética.
H2O es una Plataforma de Machine Learning de Código Abierto, Distribuida, Rápida y Escalable: Deep Learning, Gradient Boosting (GBM) y XGBoost, Random Forest, Generalized Linear Modeling (GLM con Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.
Código Python para algoritmos comunes de Machine Learning
Una biblioteca rápida para AutoML y tuning. Únete a nuestro Discord: https://discord.gg/Cppx2vSPVP.
Paquete de Python para AutoML en datos tabulares con ingeniería de características, ajuste de hiperparámetros, explicaciones y documentación automática
Una biblioteca de Python para la visualización de árboles de decisión e interpretación de modelos.
Una colección de artículos de investigación sobre árboles de decisión, clasificación y regresión con implementaciones.
Una lista curada de artículos de minería de datos sobre detección de fraudes.
SMAC3: Un paquete versátil de optimización bayesiana para la optimización de hiperparámetros
Una lista curada de artículos de investigación sobre gradient boosting con implementaciones.
Un framework Python eficiente, escalable y optimizado para Deep Forest (2021.2.1)
Motor de inferencia de Machine Learning para Microcontroladores y Dispositivos Empotrados
Una colección de algoritmos de última generación para el entrenamiento, servicio e interpretación de modelos de Decision Forest en Keras.
Una biblioteca para entrenar, evaluar, interpretar y producir modelos de bosques de decisión como Random Forest y Gradient Boosted Decision Trees.
Código para calcular importancias de permutación y eliminación de columnas en modelos de scikit-learn de Python
ProphitBet es una aplicación de aprendizaje automático para predecir apuestas de fútbol. Analiza el estado de forma de los equipos, calcula estadísticas de los partidos y predice sus resultados mediante métodos avanzados de aprendizaje automático (ML). Además, ofrece agentes de apuestas basados en aprendizaje por refuerzo profundo (DRL), capaces de aprender estrategias de apuestas óptimas.
Código para IDS-ML: desarrollo de sistemas de detección de intrusiones utilizando algoritmos de aprendizaje automático (árbol de decisión, random forest, extra trees, XGBoost, stacking, k-means, optimización bayesiana..)
Compendio de recursos de lectura gratuitos sobre ML
🌲 Implementación del algoritmo Robust Random Cut Forest para la detección de anomalías en streams
Preguntas frecuentes
¿Cuál es el repositorio de #random-forest más popular en GitHub?
El proyecto de código abierto de #random-forest mejor posicionado en GitHub es EpistasisLab/tpot, con 10,051 estrellas. Una herramienta de Automated Machine Learning en Python que optimiza pipelines de machine learning usando programación genética.
¿Qué lenguajes de programación se utilizan más en los repositorios de #random-forest?
Entre los proyectos de #random-forest mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #random-forest?
Seguimos 26 repositorios activos de código abierto etiquetados con #random-forest (500+ estrellas), que suman un total de 57,940 estrellas, con una media de 2,228 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.