Git Stars Git Stars

#sklearn Repository

Scopri 21 repository GitHub open source attivi contrassegnati con #sklearn, che raccolgono un totale di 72,496 stelle (con una media di 3,452 stelle per progetto). Il progetto leader di questo argomento è apachecn/ailearning, con 41,904 stelle.

21
Totale Repository
72,496
Totale stelle
3,452
Media Stelle/Repo

21 repository in totale

1
apachecn/ailearning

AiLearning: Analisi Dati + Machine Learning Pratico + Algebra Lineare + PyTorch + NLTK + TF2

apachecn
⭐ 41,904 Python 👤 apachecn Organization 🕐 Aggiornato 2024-11-12 📅 Creato 2017-02-25
2
charliedream1/ai_quant_trade

Stock AI Trader: piattaforma tutto-in-uno per imparare, fare trading simulato e operare sui mercati reali. Include basi del mercato azionario, strategie, modelli linguistici di grandi dimensioni, estrazione di fattori, machine learning/deep learning/reinforcement learning, reti neurali a grafo, trading ad alta frequenza, distribuzione in C++ e codice JoinQuant.

charliedream1
⭐ 6,773 Python 👤 charliedream1 User 🕐 Aggiornato 2026-11-21 📅 Creato 2022-06-09
3
nidhaloff/igel

un delizioso strumento di machine learning che ti consente di addestrare, testare e utilizzare modelli senza scrivere codice

nidhaloff
⭐ 3,138 Python 👤 nidhaloff User 🕐 Aggiornato 2025-12-07 📅 Creato 2020-08-27
4
aws-samples/aws-machine-learning-university-accelerated-nlp

Machine Learning University: Corso accelerato di elaborazione del linguaggio naturale

aws-samples
⭐ 2,429 Jupyter Notebook 👤 aws-samples Organization 🕐 Aggiornato 2024-10-13 📅 Creato 2020-08-07
5
benedekrozemberczki/karateclub

Karate Club: Un Framework Python Open-Source Orientato all'API per l'Apprendimento Non Supervisato su Grafi (CIKM 2020)

benedekrozemberczki
⭐ 2,266 Python 👤 benedekrozemberczki User 🕐 Aggiornato 2024-07-17 📅 Creato 2019-12-05
6
robertmartin8/MachineLearningStocks

Effettuare previsioni azionarie utilizzando Python e scikit-learn

robertmartin8
⭐ 1,913 Python 👤 robertmartin8 User 🕐 Aggiornato 2024-06-17 📅 Creato 2017-02-12
7
scikit-learn-contrib/MAPIE

Una libreria compatibile con scikit-learn per la stima degli intervalli di previsione e il controllo dei rischi, basata su previsioni conformi.

scikit-learn-contrib
⭐ 1,697 Jupyter Notebook 👤 scikit-learn-contrib Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2021-03-30
8
kitops-ml/kitops

Uno strumento DevOps open source del CNCF per il packaging e il versioning di modelli AI/ML, dataset, codice e configurazioni in un artefatto OCI.

kitops-ml
⭐ 1,451 Go 👤 kitops-ml Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2024-02-02
9
nok/sklearn-porter

Transpila gli stimatori e i trasformatori addestrati di scikit-learn in C, C#, Go, Java, JavaScript, PHP e Ruby.

nok
⭐ 1,303 Python 👤 nok User 🕐 Aggiornato 2026-11-19 📅 Creato 2016-06-22
10
ChawlaAvi/Daily-Dose-of-Data-Science

Una raccolta di frammenti di codice dalla pubblicazione Daily Dose of Data Science su Substack: http://www.dailydoseofds.com/

ChawlaAvi
⭐ 1,206 Jupyter Notebook 👤 ChawlaAvi User 🕐 Aggiornato 2025-06-09 📅 Creato 2022-12-02
11
aws-samples/aws-machine-learning-university-accelerated-tab

Machine Learning University: Corso accelerato sui dati tabellari

aws-samples
⭐ 1,032 Jupyter Notebook 👤 aws-samples Organization 🕐 Aggiornato 2024-10-12 📅 Creato 2020-07-30
12
ggeop/Python-ai-assistant

Assistente AI Python 🧠

ggeop
⭐ 994 Python 👤 ggeop User 🕐 Aggiornato 2024-11-17 📅 Creato 2019-05-16
13
Tejas-TA/predikit

Il ponte mancante tra i tuoi modelli di machine learning e i tuoi agenti di IA.

Tejas-TA
⭐ 840 Python 👤 Tejas-TA User 🕐 Aggiornato 2026-10-28 📅 Creato 2026-05-25
14
Onelinerhub/onelinerhub

Migliaia di soluzioni di codice con spiegazioni chiare su onelinerhub.com

Onelinerhub
⭐ 833 PHP 👤 Onelinerhub Organization 🕐 Aggiornato 2024-06-30 📅 Creato 2021-04-12
15
apachecn/ml-mastery-zh

:book: [Trad.] MachineLearningMastery articolo del blog

apachecn
⭐ 786 JavaScript 👤 apachecn Organization 🕐 Aggiornato 2025-02-19 📅 Creato 2019-03-25
16
emlearn/emlearn

Motore di inferenza Machine Learning per Microcontrollori e Dispositivi Embedded

emlearn
⭐ 776 Python 👤 emlearn Organization 🕐 Aggiornato 2026-11-10 📅 Creato 2018-03-16
17
AutoViML/Auto_TS

Crea automaticamente modelli ARIMA, SARIMAX, VAR, FB Prophet e XGBoost su set di dati di serie temporali con una singola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti.

AutoViML
⭐ 765 Jupyter Notebook 👤 AutoViML User 🕐 Aggiornato 2024-08-20 📅 Creato 2020-02-15
18
kossisoroyce/timber

Ollama per modelli ML classici. Compilatore AOT che converte modelli XGBoost, LightGBM, scikit-learn, CatBoost e ONNX in codice di inferenza nativo C99. Un comando per caricare, un comando per servire. 336x più veloce dell'inferenza Python.

kossisoroyce
⭐ 692 Python 👤 kossisoroyce User 🕐 Aggiornato 2026-04-16 📅 Creato 2026-02-27
19
vzhou842/profanity-check

Una libreria Python veloce e robusta per controllare il linguaggio offensivo nelle stringhe.

vzhou842
⭐ 649 Python 👤 vzhou842 User 🕐 Aggiornato 2024-07-27 📅 Creato 2018-12-27
20
henrikbostrom/crepes

Pacchetto Python per la predizione conforme

henrikbostrom
⭐ 587 Python 👤 henrikbostrom User 🕐 Aggiornato 2026-07-08 📅 Creato 2021-11-17
21
GACWR/OpenUBA

Un framework open source robusto e flessibile per l'analisi del comportamento di utenti ed entità (UEBA) utilizzato per l'analisi della sicurezza. Sviluppato con amore da data scientist e analisti della sicurezza del settore della cybersecurity. [BETA]

GACWR
⭐ 528 Python 👤 GACWR Organization 🕐 Aggiornato 2026-10-17 📅 Creato 2019-09-24

Domande frequenti

1

Qual è il repository #sklearn più popolare su GitHub?

Il progetto open source #sklearn più alto in classifica su GitHub è apachecn/ailearning, con 41,904 stelle. AiLearning: Analisi Dati + Machine Learning Pratico + Algebra Lineare + PyTorch + NLTK + TF2

2

Quali linguaggi di programmazione sono più utilizzati nei repository #sklearn?

Tra i progetti #sklearn più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Go, PHP.

3

Come viene calcolata la classifica dei repository #sklearn?

Monitoriamo 21 repository open source attivi contrassegnati con #sklearn (500+ stelle), per un totale di 72,496 stelle e una media di 3,452 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.