Git Stars Git Stars

#feature-selection リポジトリ

#feature-selectionのタグが付いた、GitHub上の18件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は20,050個で、プロジェクトあたりの平均は1,113個です。このトピックをリードしているのは、2,297個のスターを獲得しているfeature-engine/feature_engineです。

18
リポジトリ総数
20,050
合計スター数
1,113
リポジトリあたりの平均スター数
プログラミング言語: Python Jupyter Notebook R C++

リポジトリ合計18件

1
feature-engine/feature_engine

sklearn と互換性のある特徴量エンジニアリングおよび選択のオープンソースPythonライブラリ。

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 更新日時 2026-11-21 📅 作成日 2018-12-31
2
WillKoehrsen/feature-selector

Feature selector は、マシンラーニングデータセットの次元削減のためのツールです

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 更新日時 2024-06-17 📅 作成日 2018-06-20
3
LastAncientOne/Deep_Learning_Machine_Learning_Stock

ディープラーニングと機械学習の株式は、長期および短期の投資家とトレーダーにとって有望な機会を表しています。

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 更新日時 2024-03-01 📅 作成日 2018-09-29
4
mlr-org/mlr

Rにおける機械学習

mlr-org
⭐ 1,685 R 👤 mlr-org Organization 🕐 更新日時 2026-10-11 📅 作成日 2013-08-29
5
scikit-learn-contrib/boruta_py

Boruta 全関連特徴選択方法の Python 実装。

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 更新日時 2025-11-13 📅 作成日 2016-01-30
6
jundongl/scikit-feature

Python のオープンソース機能選択リポジトリ

jundongl
⭐ 1,561 Python 👤 jundongl User 🕐 更新日時 2024-07-11 📅 作成日 2015-11-06
7
8080labs/ppscore

Pythonにおける予測力スコア(PPS)

8080labs
⭐ 1,170 Python 👤 8080labs User 🕐 更新日時 2026-03-11 📅 作成日 2020-04-17
8
NVIDIA-Merlin/NVTabular

NVTabularは、ディープラーニングベースのレコメンダーシステムをトレーニングするために使用されるテラバイト規模のデータセットを迅速かつ簡単に操作できるように設計された、表形式データのフィーチャーエンジニアリングおよび前処理ライブラリです。

NVIDIA-Merlin
⭐ 1,153 Python 👤 NVIDIA-Merlin Organization 🕐 更新日時 2026-05-22 📅 作成日 2020-04-03
9
aerdem4/lofo-importance

1つの特徴を除外した重要度

aerdem4
⭐ 867 Python 👤 aerdem4 User 🕐 更新日時 2025-02-14 📅 作成日 2019-01-14
10
alteryx/evalml

EvalML は Python で書かれた AutoML ライブラリです。

alteryx
⭐ 852 Python 👤 alteryx Organization 🕐 更新日時 2026-01-14 📅 作成日 2019-07-17
11
ashishpatel26/Amazing-Feature-Engineering

特徴工学は、ドメイン知識を使用してデータマイニング技法により生データから特徴を抽出するプロセスです。これらの特徴は、機械学習アルゴリズムのパフォーマンスを向上させるために使用できます。特徴工学は応用機械学習そのものとみなすことができます。

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 更新日時 2025-06-29 📅 作成日 2019-02-19
12
AutoViML/featurewiz

高度な特徴量エンジニアリング戦略を使用して、1行のコードでデータセットから最適な特徴量を選択します。Ram Seshadriによって作成されました。協力者を歓迎します。

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 更新日時 2025-02-19 📅 作成日 2020-11-29
13
Ekeany/Boruta-Shap

Boruta特徴選択アルゴリズムとshapley値を組み合わせたツリーベースの特徴選択ツール。

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 更新日時 2024-02-19 📅 作成日 2020-04-13
14
smazzanti/mrmr

MRMR(Minimum-Redundancy-Maximum-Relevance)による大規模な自動特徴量選択。

smazzanti
⭐ 618 Python 👤 smazzanti User 🕐 更新日時 2024-11-19 📅 作成日 2021-04-16
15
cerlymarco/shap-hypetune

Gradient Boostingモデルのためのハイパーパラメーターチューニングと特徴選択を同時に行うPythonパッケージ。

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 更新日時 2024-06-08 📅 作成日 2021-05-16
16
cod3licious/autofeat

自動化された特徴量エンジニアリングおよび選択機能付き線形予測モデル

cod3licious
⭐ 545 Python 👤 cod3licious User 🕐 更新日時 2026-01-06 📅 作成日 2019-01-22
17
akanz1/klib

データのクリーニングと分析のためのカスタマイズされた関数を備えた、使いやすいPythonライブラリ。

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 更新日時 2026-10-28 📅 作成日 2020-03-25
18
Desbordante/desbordante-core

Desbordante は、さまざまなアルゴリズムを使用してデータ内の多種多様なパターンを発見できる高性能なデータプロファイラーです。また、これらのアルゴリズムを使ってデータクレンジングのシナリオを実行することもできます。Desbordante には、コンソール版と使いやすい Web アプリケーションがあります。

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 更新日時 2026-11-17 📅 作成日 2020-04-09

よくある質問

1

GitHubで最も人気のある#feature-selectionリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#feature-selectionプロジェクトは、2,297個のスターを獲得しているfeature-engine/feature_engineです。sklearn と互換性のある特徴量エンジニアリングおよび選択のオープンソースPythonライブラリ。

2

#feature-selectionリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#feature-selectionプロジェクトでは、Python, Jupyter Notebook, R, C++が最も一般的なプログラミング言語です。

3

#feature-selectionリポジトリのランキングはどのように算出されていますか?

#feature-selectionのタグが付いた18件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は20,050個で、リポジトリあたりの平均は1,113個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。