Git Stars Git Stars

#model-selection Dépôts

Découvrez 12 dépôts GitHub open source actifs associés à #model-selection, cumulant 27,154 étoiles au total (soit une moyenne de 2,262 étoiles par projet). Le projet en tête de ce thème est EpistasisLab/tpot, avec 10,051 étoiles.

12
Total des Dépôts
27,154
Nombre total d'étoiles
2,262
Moyenne d'Étoiles/Dépôt
1
EpistasisLab/tpot

Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Mis à jour 2025-09-11 📅 Créé 2015-11-03
2
DistrictDataLabs/yellowbrick

Outils d'analyse visuelle et de diagnostic pour faciliter la sélection de modèles d'apprentissage automatique.

DistrictDataLabs
⭐ 4,399 Python 👤 DistrictDataLabs Organization 🕐 Mis à jour 2025-02-19 📅 Créé 2016-05-18
3
ulab-uiuc/LLMRouter

LLMRouter : Une bibliothèque open source pour le routage LLM

ulab-uiuc
⭐ 3,086 Python 👤 ulab-uiuc Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2025-10-07
4
signerless/llm-checker

Outil CLI avancé qui analyse votre matériel et vous indique exactement quels modèles LLM ou sLLM vous pouvez exécuter localement, avec une intégration complète d'Ollama.

signerless
⭐ 3,072 JavaScript 👤 signerless User 🕐 Mis à jour 2026-11-16 📅 Créé 2025-07-06
5
hyperopt/hyperopt-sklearn

Optimisation des hyperparamètres pour sklearn

hyperopt
⭐ 1,646 Python 👤 hyperopt Organization 🕐 Mis à jour 2025-04-15 📅 Créé 2013-02-19
6
smartcorelib/smartcore

Une bibliothèque complète pour l'apprentissage automatique et le calcul numérique. Appliquez l'apprentissage automatique avec Rust en tirant parti des principes fondamentaux.

smartcorelib
⭐ 979 Rust 👤 smartcorelib Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2019-05-08
7
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
8
rsteca/sklearn-deap

Utilisez des algorithmes évolutionnaires au lieu de gridsearch dans scikit-learn

rsteca
⭐ 772 Jupyter Notebook 👤 rsteca User 🕐 Mis à jour 2024-02-10 📅 Créé 2015-10-28
9
Western-OC2-Lab/AutoML-Implementation-for-Static-and-Dynamic-Data-Analytics

Implémentation/Tutoriel de l'utilisation des méthodes d'apprentissage automatique automatisé (AutoML) pour l'apprentissage statique/par lots et l'apprentissage en ligne/continu

Western-OC2-Lab
⭐ 629 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Mis à jour 2024-05-14 📅 Créé 2022-09-09
10
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
11
hyperactive-project/Hyperactive

Une interface unifiée pour les algorithmes d'optimisation et les expériences

hyperactive-project
⭐ 551 Python 👤 hyperactive-project Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2018-11-01
12
BCG-X-Official/facet

IA explicable par l'homme.

BCG-X-Official
⭐ 533 Jupyter Notebook 👤 BCG-X-Official Organization 🕐 Mis à jour 2026-10-28 📅 Créé 2020-08-05

Foire aux questions

1

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

Le projet #model-selection open source le mieux classé sur GitHub est EpistasisLab/tpot, avec 10,051 étoiles. Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.

2

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

Parmi les projets #model-selection les mieux classés sur GitHub, les langages de programmation les plus courants sont Jupyter Notebook, Python, JavaScript, Rust.

3

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

Nous suivons 12 dépôts open source actifs associés à #model-selection (500+ étoiles), totalisant 27,154 étoiles, avec une moyenne de 2,262 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.