Git Stars Git Stars

#interpretable-ml Dépôts

Découvrez 7 dépôts GitHub open source actifs associés à #interpretable-ml, cumulant 23,613 étoiles au total (soit une moyenne de 3,373 étoiles par projet). Le projet en tête de ce thème est interpretml/interpret, avec 6,986 étoiles.

7
Total des Dépôts
23,613
Nombre total d'étoiles
3,373
Moyenne d'Étoiles/Dépôt
1
interpretml/interpret

Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-05-03
2
meta-pytorch/captum

Interprétabilité et compréhension du modèle pour PyTorch

meta-pytorch
⭐ 5,723 Python 👤 meta-pytorch Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2019-08-27
3
astroautomata/PySR

Apprentissage symbolique en Python et Julia

astroautomata
⭐ 4,301 Python 👤 astroautomata Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-09-14
4
jphall663/awesome-machine-learning-interpretability

Une liste sélectionnée de ressources formidables sur l'apprentissage automatique responsable.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Mis à jour 2026-06-03 📅 Créé 2018-06-21
5
dswah/pyGAM

[CONTRIBUTEURS BIENVENUS] Modèles Additifs Généralisés en Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Mis à jour 2026-04-21 📅 Créé 2017-01-19
6
astroautomata/SymbolicRegression.jl

Régression Symbolique Distribuée Haute Performance en Julia

astroautomata
⭐ 819 Julia 👤 astroautomata Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2021-01-14
7
jphall663/interpretable_machine_learning_with_python

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.

jphall663
⭐ 679 Jupyter Notebook 👤 jphall663 User 🕐 Mis à jour 2024-06-17 📅 Créé 2018-03-14

Foire aux questions

1

Quel est le dépôt #interpretable-ml le plus populaire sur GitHub ?

Le projet #interpretable-ml open source le mieux classé sur GitHub est interpretml/interpret, avec 6,986 étoiles. Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #interpretable-ml ?

Parmi les projets #interpretable-ml les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Julia, Jupyter Notebook.

3

Comment le classement des dépôts #interpretable-ml est-il calculé ?

Nous suivons 7 dépôts open source actifs associés à #interpretable-ml (500+ étoiles), totalisant 23,613 étoiles, avec une moyenne de 3,373 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.