#decision-tree Repository
Scopri 7 repository GitHub open source attivi contrassegnati con #decision-tree, che raccolgono un totale di 19,420 stelle (con una media di 2,774 stelle per progetto). Il progetto leader di questo argomento è Jack-Cherish/Machine-Learning, con 10,146 stelle.
7 repository in totale
:zap:Machine Learning Pratica (Python3): kNN, Albero Decisionale, Bayes, Regressione Logistica, SVM, Regressione Lineare, Regressione ad Albero
Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica
Una collezione di articoli di ricerca su alberi decisionali, di classificazione e di regressione con implementazioni.
Una lista curata di articoli di ricerca su gradient boosting con implementazioni.
Esempi di tecniche per addestrare modelli ML interpretabili, spiegare modelli ML e debuggare modelli ML per accuratezza, discriminazione e sicurezza.
Codice per IDS-ML: sviluppo di sistemi di rilevamento delle intrusioni utilizzando algoritmi di machine learning (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, ottimizzazione bayesiana..)
Domande frequenti
Qual è il repository #decision-tree più popolare su GitHub?
Il progetto open source #decision-tree più alto in classifica su GitHub è Jack-Cherish/Machine-Learning, con 10,146 stelle. :zap:Machine Learning Pratica (Python3): kNN, Albero Decisionale, Bayes, Regressione Logistica, SVM, Regressione Lineare, Regressione ad Albero
Quali linguaggi di programmazione sono più utilizzati nei repository #decision-tree?
Tra i progetti #decision-tree più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, HTML.
Come viene calcolata la classifica dei repository #decision-tree?
Monitoriamo 7 repository open source attivi contrassegnati con #decision-tree (500+ stelle), per un totale di 19,420 stelle e una media di 2,774 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.