#data-mining Dépôts
81 dépôts au total
Implémentation officielle de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.
[IEEE T-KDE 2026] Awesome Deep Graph Clustering est une collection de méthodes de clustering de graphes profonds (SOTA), innovantes (articles, codes et jeux de données).
PMLB : Un grand dépôt curaté de jeux de données de référence pour évaluer les algorithmes d'apprentissage automatique supervisé.
Un framework universel d'apprentissage de la représentation des séries chronologiques
L'ingénierie des caractéristiques est le processus d'utilisation des connaissances du domaine pour extraire des caractéristiques des données brutes via des techniques de fouille de données. Ces caractéristiques peuvent être utilisées pour améliorer les performances des algorithmes d'apprentissage automatique. L'ingénierie des caractéristiques peut être considérée comme l'apprentissage automatique appliqué lui-même.
Implémentation Python de l'algorithme Apriori pour la recherche d'ensembles fréquents et de règles d'association
Exemples de techniques pour entraîner des modèles ML interprétables, expliquer des modèles ML et déboguer des modèles ML en termes de précision, discrimination et sécurité.
Système de recommandation de films basé sur l'algorithme de recommandation de filtrage collaboratif implémenté avec Mahout
Apprentissage automatique reproductible pour la détection de fraude par carte de crédit - Manuel pratique
(AAAI' 20) Une boîte à outils Python pour la combinaison de modèles d'apprentissage automatique
GrimoireLab : plateforme pour l'analyse et les insights du développement logiciel
Analyse de brevets utilisant les ensembles de données publics Google Patents sur BigQuery
Articles, implémentations, ensembles de données et outils liés à la détection de communauté profonde et conventionnelle.
Ce dépôt contient une liste de lecture d'articles sur la segmentation des séries temporelles. Ce dépôt est encore en cours d'amélioration continue.
Le seul kit d'outils open-source capable de télécharger les rapports financiers SEC EDGAR et d'extraire les données textuelles des sections d'éléments spécifiques dans des fichiers JSON structurés nets et propres. Présenté à WWW 2025 @ Sydney, Australie (https://dl.acm.org/doi/10.1145/3701716.3715289)
Ce dépôt est destiné à servir de lieu pour partager des informations sur l'extraction de données liées à Final Fantasy XIV.
Desbordante est un profileur de données hautes performances capable de découvrir de nombreux motifs différents dans les données à l’aide de divers algorithmes. Il permet également d’exécuter des scénarios de nettoyage des données à l’aide de ces algorithmes. Desbordante propose une version console et une application web facile à utiliser.