#scikit-learn リポジトリ
137
リポジトリ総数
687,046
合計スター数
5,014
リポジトリあたりの平均スター数
リポジトリ合計137件
109
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。
117
probabl-ai/skore
データサイエンスを追跡しましょう。SkoreのオープンソースPythonライブラリは、機械学習モデル開発を加速し、自動評価レポート、賢明な方法論ガイダンス、包括的なクロスバリデーション分析を提供します。
118
mikeroyal/Machine-Learning-Guide
機械学習ガイド。機械学習ツール、ライブラリ、フレームワーク、大規模言語モデル(LLM)、トレーニングモデルについてすべて学びましょう。
124
Neuraxio/Neuraxle
世界で最もクリーンな AutoML ライブラリ ✨ - 正しいパイプライン抽象化を使ってハイパーパラメータチューニングを行い、クリーンなディープラーニングプロダクションパイプラインを書く。パイプラインのステップにハイパーパラメータスペースを持たせる。パイプラインのステップをコンポーネントのように設計する。Scikit-Learn、TensorFlow、および他のほとんどのライブラリ、フレームワーク、MLOps 環境と互換性があります。
⭐ 585
👤 Coder-World04 User
🕐 更新日時 2024-02-05
📅 作成日 2022-04-30