Git Stars Git Stars

#interpretable-machine-learning Repository

Scopri 9 repository GitHub open source attivi contrassegnati con #interpretable-machine-learning, che raccolgono un totale di 18,839 stelle (con una media di 2,093 stelle per progetto). Il progetto leader di questo argomento è interpretml/interpret, con 6,986 stelle.

9
Totale Repository
18,839
Totale stelle
2,093
Media Stelle/Repo
Linguaggi di programmazione: Python Jupyter Notebook C++

9 repository in totale

1
interpretml/interpret

Adatta modelli interpretabili. Spiega il machine learning blackbox.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Aggiornato 2026-11-16 📅 Creato 2019-05-03
2
jphall663/awesome-machine-learning-interpretability

Una lista curata di risorse fantastiche per il machine learning responsabile.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Aggiornato 2026-06-03 📅 Creato 2018-06-21
3
interpretml/DiCE

Genera spiegazioni controfattuali diverse per qualsiasi modello di machine learning.

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 Aggiornato 2025-07-13 📅 Creato 2019-05-02
4
ModelOriented/DALEX

Linguaggio Agnostico al Modello per l'Esplorazione e la Spiegazione

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 Aggiornato 2026-07-15 📅 Creato 2018-02-18
5
SelfExplainML/PiML-Toolbox

PiML (Python Interpretable Machine Learning) toolbox per lo sviluppo e la diagnostica dei modelli

SelfExplainML
⭐ 1,285 Jupyter Notebook 👤 SelfExplainML Organization 🕐 Aggiornato 2025-03-30 📅 Creato 2022-04-29
6
dswah/pyGAM

[COLLABORATORI BENVENUTI] Modelli Additivi Generalizzati in Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Aggiornato 2026-04-21 📅 Creato 2017-01-19
7
salesforce/OmniXAI

OmniXAI: Una libreria per l'IA spiegabile

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 Aggiornato 2026-06-02 📅 Creato 2022-02-17
8
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
9
jphall663/interpretable_machine_learning_with_python

Esempi di tecniche per addestrare modelli ML interpretabili, spiegare modelli ML e debuggare modelli ML per accuratezza, discriminazione e sicurezza.

jphall663
⭐ 679 Jupyter Notebook 👤 jphall663 User 🕐 Aggiornato 2024-06-17 📅 Creato 2018-03-14

Domande frequenti

1

Qual è il repository #interpretable-machine-learning più popolare su GitHub?

Il progetto open source #interpretable-machine-learning più alto in classifica su GitHub è interpretml/interpret, con 6,986 stelle. Adatta modelli interpretabili. Spiega il machine learning blackbox.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #interpretable-machine-learning?

Tra i progetti #interpretable-machine-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++.

3

Come viene calcolata la classifica dei repository #interpretable-machine-learning?

Monitoriamo 9 repository open source attivi contrassegnati con #interpretable-machine-learning (500+ stelle), per un totale di 18,839 stelle e una media di 2,093 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.