Git Stars Git Stars

#feature-importance Repository

Scopri 9 repository GitHub open source attivi contrassegnati con #feature-importance, che raccolgono un totale di 11,891 stelle (con una media di 1,321 stelle per progetto). Il progetto leader di questo argomento è meta-pytorch/captum, con 5,723 stelle.

9
Totale Repository
11,891
Totale stelle
1,321
Media Stelle/Repo
Linguaggi di programmazione: Python Jupyter Notebook R

9 repository in totale

1
meta-pytorch/captum

Interpretabilità e comprensione del modello per PyTorch

meta-pytorch
⭐ 5,723 Python 👤 meta-pytorch Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2019-08-27
2
EthicalML/xai

XAI - Una cassetta degli attrezzi di eXplicabilità per l'apprendimento automatico

EthicalML
⭐ 1,270 Python 👤 EthicalML Organization 🕐 Aggiornato 2025-11-29 📅 Creato 2019-01-11
3
aerdem4/lofo-importance

Importanza Lasciando Fuori una Caratteristica

aerdem4
⭐ 867 Python 👤 aerdem4 User 🕐 Aggiornato 2025-02-14 📅 Creato 2019-01-14
4
sosuneko/PDPbox

Cassetta degli attrezzi Python per grafici di dipendenza parziale

sosuneko
⭐ 860 Jupyter Notebook 👤 sosuneko User 🕐 Aggiornato 2024-09-03 📅 Creato 2017-06-26
5
mmschlk/shapiq

Valori di Shapley e interazioni di Shapley per l’apprendimento automatico

mmschlk
⭐ 797 Python 👤 mmschlk User 🕐 Aggiornato 2026-11-20 📅 Creato 2023-10-17
6
Ekeany/Boruta-Shap

Uno strumento di selezione delle funzionalità basato su alberi che combina sia l'algoritmo di selezione delle funzionalità Boruta che i valori Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Aggiornato 2024-02-19 📅 Creato 2020-04-13
7
parrt/random-forest-importances

Codice per calcolare le importanze di permutazione e drop-column nei modelli Python scikit-learn

parrt
⭐ 625 Jupyter Notebook 👤 parrt User 🕐 Aggiornato 2025-03-24 📅 Creato 2018-03-22
8
kochlisGit/ProphitBet-Soccer-Bets-Predictor

ProphitBet è un’applicazione per prevedere le scommesse sul calcio basata sul machine learning. Analizza la forma delle squadre, calcola le statistiche delle partite e ne prevede gli esiti utilizzando metodi avanzati di machine learning (ML). Inoltre, offre agenti di scommessa basati sul deep reinforcement learning (DRL), in grado di apprendere strategie di scommessa ottimali.

kochlisGit
⭐ 606 Python 👤 kochlisGit User 🕐 Aggiornato 2026-10-27 📅 Creato 2022-03-18
9
giuseppec/iml

iml: pacchetto R per machine learning interpretabile

giuseppec
⭐ 503 R 👤 giuseppec User 🕐 Aggiornato 2025-02-24 📅 Creato 2017-10-25

Domande frequenti

1

Qual è il repository #feature-importance più popolare su GitHub?

Il progetto open source #feature-importance più alto in classifica su GitHub è meta-pytorch/captum, con 5,723 stelle. Interpretabilità e comprensione del modello per PyTorch

2

Quali linguaggi di programmazione sono più utilizzati nei repository #feature-importance?

Tra i progetti #feature-importance più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, R.

3

Come viene calcolata la classifica dei repository #feature-importance?

Monitoriamo 9 repository open source attivi contrassegnati con #feature-importance (500+ stelle), per un totale di 11,891 stelle e una media di 1,321 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.