Git Stars Git Stars

#feature-selection 저장소

#feature-selection 태그가 지정된 GitHub의 활성 오픈 소스 저장소 18개를 확인해 보세요. 총 20,050개의 스타를 획득했으며 프로젝트당 평균 1,113개입니다. 이 주제를 이끄는 저장소는 2,297개의 스타를 받은 feature-engine/feature_engine입니다.

18
총 리포지토리
20,050
총 별점
1,113
리포지토리당 평균 스타 수

저장소 총 18개

1
feature-engine/feature_engine

sklearn과 호환되는 기능 엔지니어링 및 선택 오픈 소스 Python 라이브러리.

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 업데이트됨 2026-11-21 📅 생성됨 2018-12-31
2
WillKoehrsen/feature-selector

피처 선택기는 머신러닝 데이터셋의 차원 축소를 위한 도구입니다

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 업데이트됨 2024-06-17 📅 생성됨 2018-06-20
3
LastAncientOne/Deep_Learning_Machine_Learning_Stock

딥 러닝과 머신 러닝 주식은 장기 및 단기 투자자와 트레이더 모두에게 유망한 기회를 나타냅니다.

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 업데이트됨 2024-03-01 📅 생성됨 2018-09-29
4
mlr-org/mlr

R에서의 머신러닝

mlr-org
⭐ 1,685 R 👤 mlr-org Organization 🕐 업데이트됨 2026-10-11 📅 생성됨 2013-08-29
5
scikit-learn-contrib/boruta_py

Boruta 전체 관련 특징 선택 방법의 Python 구현.

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 업데이트됨 2025-11-13 📅 생성됨 2016-01-30
6
jundongl/scikit-feature

Python의 오픈 소스 피처 선택 저장소

jundongl
⭐ 1,561 Python 👤 jundongl User 🕐 업데이트됨 2024-07-11 📅 생성됨 2015-11-06
7
8080labs/ppscore

Python의 예측력 점수(PPS)

8080labs
⭐ 1,170 Python 👤 8080labs User 🕐 업데이트됨 2026-03-11 📅 생성됨 2020-04-17
8
NVIDIA-Merlin/NVTabular

NVTabular은 딥러닝 기반 추천 시스템을 훈련하는 데 사용되는 테라바이트 규모의 데이터셋을 빠르고 쉽게 조작하도록 설계된 테이블 형식 데이터용 피처 엔지니어링 및 전처리 라이브러리입니다.

NVIDIA-Merlin
⭐ 1,153 Python 👤 NVIDIA-Merlin Organization 🕐 업데이트됨 2026-05-22 📅 생성됨 2020-04-03
9
aerdem4/lofo-importance

하나의 특징을 제외한 중요도

aerdem4
⭐ 867 Python 👤 aerdem4 User 🕐 업데이트됨 2025-02-14 📅 생성됨 2019-01-14
10
alteryx/evalml

EvalML은 Python으로 작성된 AutoML 라이브러리입니다.

alteryx
⭐ 852 Python 👤 alteryx Organization 🕐 업데이트됨 2026-01-14 📅 생성됨 2019-07-17
11
ashishpatel26/Amazing-Feature-Engineering

특징 공학은 도메인 지식을 사용하여 데이터 마이닝 기법을 통해 원시 데이터에서 특징을 추출하는 과정입니다. 이러한 특징은 머신 러닝 알고리즘의 성능을 향상시키는 데 사용될 수 있습니다. 특징 공학은 응용 머신 러닝 자체로 간주될 수 있습니다.

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 업데이트됨 2025-06-29 📅 생성됨 2019-02-19
12
AutoViML/featurewiz

고급 기능 엔지니어링 전략을 사용하여 데이터 세트에서 최상의 기능을 단 한 줄의 코드로 선택하십시오. Ram Seshadri가 만들었습니다. 협력자 환영.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 업데이트됨 2025-02-19 📅 생성됨 2020-11-29
13
Ekeany/Boruta-Shap

Boruta 특성 선택 알고리즘과 shapley 값을 모두 결합한 트리 기반 특성 선택 도구입니다.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 업데이트됨 2024-02-19 📅 생성됨 2020-04-13
14
smazzanti/mrmr

MRMR (Minimum-Redundancy-Maximum-Relevance)를 이용한 대규모 자동 특성 선택.

smazzanti
⭐ 618 Python 👤 smazzanti User 🕐 업데이트됨 2024-11-19 📅 생성됨 2021-04-16
15
cerlymarco/shap-hypetune

Gradient Boosting 모델을 위한 동시 하이퍼파라미터 튜닝 및 특성 선택을 위한 파이썬 패키지.

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 업데이트됨 2024-06-08 📅 생성됨 2021-05-16
16
cod3licious/autofeat

자동화된 피처 엔지니어링 및 선택 기능을 갖춘 선형 예측 모델

cod3licious
⭐ 545 Python 👤 cod3licious User 🕐 업데이트됨 2026-01-06 📅 생성됨 2019-01-22
17
akanz1/klib

데이터 정리 및 분석을 위한 사용자 정의 함수로 구성된 사용하기 쉬운 Python 라이브러리.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 업데이트됨 2026-10-28 📅 생성됨 2020-03-25
18
Desbordante/desbordante-core

Desbordante는 다양한 알고리즘을 사용하여 데이터에서 여러 가지 패턴을 발견할 수 있는 고성능 데이터 프로파일러입니다. 또한 이러한 알고리즘을 사용해 데이터 정제 시나리오를 실행할 수도 있습니다. Desbordante는 콘솔 버전과 사용하기 쉬운 웹 애플리케이션을 제공합니다.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 업데이트됨 2026-11-17 📅 생성됨 2020-04-09

자주 묻는 질문

1

GitHub에서 가장 인기 있는 #feature-selection 저장소는 무엇인가요?

GitHub에서 가장 높은 순위의 오픈 소스 #feature-selection 프로젝트는 2,297개의 스타를 받은 feature-engine/feature_engine입니다. sklearn과 호환되는 기능 엔지니어링 및 선택 오픈 소스 Python 라이브러리.

2

#feature-selection 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?

GitHub에서 순위가 가장 높은 #feature-selection 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, R, C++입니다.

3

#feature-selection 저장소 순위는 어떻게 계산되나요?

#feature-selection 태그가 지정된 활성 오픈 소스 저장소(18개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 20,050개이며 저장소당 평균 1,113개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.