Git Stars Git Stars

#feature-selection Dépôts

Découvrez 18 dépôts GitHub open source actifs associés à #feature-selection, cumulant 20,050 étoiles au total (soit une moyenne de 1,113 étoiles par projet). Le projet en tête de ce thème est feature-engine/feature_engine, avec 2,297 étoiles.

18
Total des Dépôts
20,050
Nombre total d'étoiles
1,113
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook R C++
1
feature-engine/feature_engine

Bibliothèque Python open-source de préparation et de sélection de caractéristiques compatible avec sklearn.

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-12-31
2
WillKoehrsen/feature-selector

Le sélecteur de fonctionnalités est un outil pour la réduction de dimensionnalité des ensembles de données d'apprentissage automatique

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 Mis à jour 2024-06-17 📅 Créé 2018-06-20
3
LastAncientOne/Deep_Learning_Machine_Learning_Stock

Les actions en deep learning et en machine learning représentent des opportunités prometteuses pour les investisseurs et les traders à long et court terme.

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 Mis à jour 2024-03-01 📅 Créé 2018-09-29
4
mlr-org/mlr

Machine Learning in R

mlr-org
⭐ 1,685 R 👤 mlr-org Organization 🕐 Mis à jour 2026-10-11 📅 Créé 2013-08-29
5
scikit-learn-contrib/boruta_py

Implémentations Python de la méthode de sélection de caractéristiques all-relevant de Boruta.

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 Mis à jour 2025-11-13 📅 Créé 2016-01-30
6
jundongl/scikit-feature

Dépôt open-source de sélection de fonctionnalités en Python

jundongl
⭐ 1,561 Python 👤 jundongl User 🕐 Mis à jour 2024-07-11 📅 Créé 2015-11-06
7
8080labs/ppscore

Score de puissance prédictive (PPS) en Python

8080labs
⭐ 1,170 Python 👤 8080labs User 🕐 Mis à jour 2026-03-11 📅 Créé 2020-04-17
8
NVIDIA-Merlin/NVTabular

NVTabular est une bibliothèque d'ingénierie et de prétraitement de caractéristiques pour les données tabulaires, conçue pour manipuler rapidement et facilement des jeux de données à l'échelle du téraoctet utilisés pour entraîner des systèmes de recommandation basés sur l'apprentissage profond.

NVIDIA-Merlin
⭐ 1,153 Python 👤 NVIDIA-Merlin Organization 🕐 Mis à jour 2026-05-22 📅 Créé 2020-04-03
9
aerdem4/lofo-importance

Importance en Laissant une Fonctionnalité de Côté

aerdem4
⭐ 867 Python 👤 aerdem4 User 🕐 Mis à jour 2025-02-14 📅 Créé 2019-01-14
10
alteryx/evalml

EvalML est une bibliothèque AutoML écrite en Python.

alteryx
⭐ 852 Python 👤 alteryx Organization 🕐 Mis à jour 2026-01-14 📅 Créé 2019-07-17
11
ashishpatel26/Amazing-Feature-Engineering

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.

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 Mis à jour 2025-06-29 📅 Créé 2019-02-19
12
AutoViML/featurewiz

Utilisez des stratégies avancées d'ingénierie des fonctionnalités et sélectionnez les meilleures fonctionnalités de votre jeu de données en une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Mis à jour 2025-02-19 📅 Créé 2020-11-29
13
Ekeany/Boruta-Shap

Un outil de sélection de caractéristiques basé sur des arbres qui combine à la fois l'algorithme de sélection de caractéristiques Boruta et les valeurs Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Mis à jour 2024-02-19 📅 Créé 2020-04-13
14
smazzanti/mrmr

MRMR (minimum-redondance-maximum-pertinence) pour la sélection automatique de caractéristiques à grande échelle.

smazzanti
⭐ 618 Python 👤 smazzanti User 🕐 Mis à jour 2024-11-19 📅 Créé 2021-04-16
15
cerlymarco/shap-hypetune

Un package Python pour le réglage simultané des hyperparamètres et la sélection des caractéristiques pour les modèles Gradient Boosting.

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 Mis à jour 2024-06-08 📅 Créé 2021-05-16
16
cod3licious/autofeat

Modèle de Prédiction Linéaire avec Capacités d'Ingénierie et de Sélection Automatisées des Caractéristiques

cod3licious
⭐ 545 Python 👤 cod3licious User 🕐 Mis à jour 2026-01-06 📅 Créé 2019-01-22
17
akanz1/klib

Bibliothèque Python facile à utiliser de fonctions personnalisées pour le nettoyage et l'analyse des données.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 Mis à jour 2026-10-28 📅 Créé 2020-03-25
18
Desbordante/desbordante-core

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.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2020-04-09

Foire aux questions

1

Quel est le dépôt #feature-selection le plus populaire sur GitHub ?

Le projet #feature-selection open source le mieux classé sur GitHub est feature-engine/feature_engine, avec 2,297 étoiles. Bibliothèque Python open-source de préparation et de sélection de caractéristiques compatible avec sklearn.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #feature-selection ?

Parmi les projets #feature-selection les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, R, C++.

3

Comment le classement des dépôts #feature-selection est-il calculé ?

Nous suivons 18 dépôts open source actifs associés à #feature-selection (500+ étoiles), totalisant 20,050 étoiles, avec une moyenne de 1,113 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.