Git Stars Git Stars

#machine-learning-interpretability Repository

Scopri 4 repository GitHub open source attivi contrassegnati con #machine-learning-interpretability, che raccolgono un totale di 6,129 stelle (con una media di 1,532 stelle per progetto). Il progetto leader di questo argomento è jphall663/awesome-machine-learning-interpretability, con 4,088 stelle.

4
Totale Repository
6,129
Totale stelle
1,532
Media Stelle/Repo
Linguaggi di programmazione: Jupyter Notebook R

4 repository in totale

1
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
2
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
3
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
4
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 #machine-learning-interpretability più popolare su GitHub?

Il progetto open source #machine-learning-interpretability più alto in classifica su GitHub è jphall663/awesome-machine-learning-interpretability, con 4,088 stelle. Una lista curata di risorse fantastiche per il machine learning responsabile.

2

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

Tra i progetti #machine-learning-interpretability più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Jupyter Notebook, R.

3

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

Monitoriamo 4 repository open source attivi contrassegnati con #machine-learning-interpretability (500+ stelle), per un totale di 6,129 stelle e una media di 1,532 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.