#regression Dépôts
Découvrez 50 dépôts GitHub open source actifs associés à #regression, cumulant 169,328 étoiles au total (soit une moyenne de 3,386 étoiles par projet). Le projet en tête de ce thème est apachecn/ailearning, avec 41,904 étoiles.
50 dépôts au total
AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2
:zap:Machine Learning en Pratique (Python3): kNN, Arbre de Décision, Bayes, Régression Logistique, SVM, Régression Linéaire, Régression Arbre
Plateforme AutoML open-source low-code pour Python. PyCaret 4.0 : moteur natif sklearn + plan de contrôle React.
Série temporelle Timeseries Deep Learning Machine Learning Python Pytorch fastai | Bibliothèque Deep Learning de pointe pour les séries temporelles et les séquences en Pytorch / fastai
Une bibliothèque rapide pour AutoML et le réglage. Rejoignez notre Discord : https://discord.gg/Cppx2vSPVP.
Livre_5_《Statistiques simplifiées》 | Le Livre Iris : De l'arithmétique à l'apprentissage automatique ; en stock !
Alink est la plateforme d'algorithmes d'apprentissage automatique basée sur Flink, développée par l'équipe PAI de la plateforme de calcul Alibaba.
Boîte à outils AutoML pour Python permettant de comparer des modèles de classification, de régression et de prévision de séries temporelles, avec accélération GPU, suivi MLflow et prétraitement automatisé.
Bibliothèque mathématique moderne et puissante pour PHP : Fonctionnalités incluant les statistiques descriptives et les régressions ; Distributions de probabilité continue et discrète ; Algèbre linéaire avec matrices et vecteurs, Analyse numérique ; Fonctions mathématiques spéciales ; Algèbre
Une bibliothèque d'apprentissage automatique et d'apprentissage profond de haut niveau pour le langage PHP.
Un package Python pour la prévision bayésienne avec une conception orientée objet et des modèles probabilistes sous-jacents.
Une bibliothèque compatible scikit-learn pour estimer les intervalles de prédiction et contrôler les risques, basée sur des prédictions conformes.
Une liste sélectionnée des meilleures ressources en Intelligence Artificielle
Framework rapide et personnalisable pour la création automatique de modèles ML (AutoML)
Ce dépôt contient des mini-projets en apprentissage automatique avec des fichiers notebook
Analyse de sentiment, Classification de texte, Augmentation de texte, Défense adversariale de texte, etc.;
Modèles linéaires supplémentaires, y compris les modèles à variables instrumentales et à données de panel qui manquent dans statsmodels.
Une bibliothèque complète pour l'apprentissage automatique et le calcul numérique. Appliquez l'apprentissage automatique avec Rust en tirant parti des principes fondamentaux.
Analyse exploratoire des données pratique avec Python, publié par Packt
🤖 Exemples MatLab/Octave d'algorithmes d'apprentissage automatique populaires avec exemples de code et explications mathématiques
Inférence Statistique via la Science des Données : Un ModernDive dans R et le Tidyverse
Compilation d'exemples concrets de haut niveau de projets d'apprentissage automatique ayant échoué
Bibliothèque numérique Rust avec des performances élevées et une syntaxe conviviale
Compendium de ressources gratuites de lecture en apprentissage automatique
Modern Time Series Forecasting with Python, publié par Packt
Foire aux questions
Quel est le dépôt #regression le plus populaire sur GitHub ?
Le projet #regression open source le mieux classé sur GitHub est apachecn/ailearning, avec 41,904 étoiles. AiLearning : Analyse de données + Machine Learning pratique + Algèbre linéaire + PyTorch + NLTK + TF2
Quels langages de programmation sont les plus utilisés dans les dépôts #regression ?
Parmi les projets #regression les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Rust, Java.
Comment le classement des dépôts #regression est-il calculé ?
Nous suivons 50 dépôts open source actifs associés à #regression (500+ étoiles), totalisant 169,328 étoiles, avec une moyenne de 3,386 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.