#regression Repositorios
Descubre 50 repositorios activos de código abierto de GitHub etiquetados con #regression, que acumulan 169,328 estrellas en total (una media de 3,386 estrellas por proyecto). El líder de este tema es apachecn/ailearning, con 41,904 estrellas.
50 repositorios en total
AiLearning: Análisis de Datos + Aprendizaje Automático Práctico + Álgebra Lineal + PyTorch + NLTK + TF2
:zap:Machine Learning Práctico (Python3): kNN, Árbol de Decisión, Bayes, Regresión Logística, SVM, Regresión Lineal, Regresión de Árbol
Plataforma AutoML de código abierto y bajo código para Python. PyCaret 4.0: motor nativo de sklearn + plano de control React.
Series temporales Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de vanguardia para Series Temporales y Secuencias en Pytorch / fastai
Una biblioteca rápida para AutoML y tuning. Únete a nuestro Discord: https://discord.gg/Cppx2vSPVP.
Libro_5_《Estadística en Breve》 | El Libro del Iris: De la aritmética al aprendizaje automático; ¡en stock!
Alink es la plataforma de algoritmos de Machine Learning basada en Flink, desarrollada por el equipo PAI de la plataforma de cómputo de Alibaba.
Kit de herramientas AutoML para Python que permite comparar modelos de clasificación, regresión y pronóstico de series temporales, con aceleración por GPU, seguimiento con MLflow y preprocesamiento automatizado.
Biblioteca de matemáticas moderna y potente para PHP: Incluye estadísticas descriptivas y regresiones; Distribuciones de probabilidad continua y discreta; Álgebra lineal con matrices y vectores, Análisis numérico; Funciones matemáticas especiales; Álgebra
Una biblioteca de aprendizaje automático profundo y de alto nivel para el lenguaje PHP.
Un paquete de Python para pronósticos bayesianos con diseño orientado a objetos y modelos probabilísticos subyacentes.
Una biblioteca compatible con scikit-learn para estimar intervalos de predicción y controlar riesgos, basada en predicciones conformes.
Framework rápido y personalizable para la creación automática de modelos de ML (AutoML)
Este repositorio contiene mini proyectos de aprendizaje automático con archivos de notebook
Análisis de sentimiento, Clasificación de texto, Aumentación de texto, Defensa adversarial de texto, etc.;
Modelos lineales adicionales, incluidos modelos de variables instrumentales y datos de panel que faltan en statsmodels.
Una biblioteca integral para el aprendizaje automático y la computación numérica. Aplique el aprendizaje automático con Rust aprovechando principios fundamentales.
Análisis Exploratorio de Datos Práctico con Python, publicado por Packt
🤖 Ejemplos de algoritmos populares de aprendizaje automático en MatLab/Octave con ejemplos de código y explicaciones matemáticas
Inferencia Estadística a través de la Ciencia de los Datos: Un ModernDive en R y el Tidyverse
Compilación de ejemplos del mundo real de alto perfil de proyectos fallidos de aprendizaje automático
Compendio de recursos de lectura gratuitos sobre ML
Modern Time Series Forecasting with Python, publicado por Packt
Preguntas frecuentes
¿Cuál es el repositorio de #regression más popular en GitHub?
El proyecto de código abierto de #regression mejor posicionado en GitHub es apachecn/ailearning, con 41,904 estrellas. AiLearning: Análisis de Datos + Aprendizaje Automático Práctico + Álgebra Lineal + PyTorch + NLTK + TF2
¿Qué lenguajes de programación se utilizan más en los repositorios de #regression?
Entre los proyectos de #regression mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Rust, Java.
¿Cómo se calcula la clasificación de los repositorios de #regression?
Seguimos 50 repositorios activos de código abierto etiquetados con #regression (500+ estrellas), que suman un total de 169,328 estrellas, con una media de 3,386 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.