#scikit-learn 저장소
137
총 리포지토리
687,046
총 별점
5,014
리포지토리당 평균 스타 수
저장소 총 137개
109
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.
110
boyboi86/AFML
Dr. Marco Lopez de Parodo의 Advances in Financial Machine Learning 연습 문제에 대한 모든 답변입니다.
117
probabl-ai/skore
당신의 데이터 과학을 추적하세요. Skore의 오픈 소스 Python 라이브러리는 자동화된 평가 보고서, 스마트한 방법론 안내 및 종합적인 교차 검증 분석으로 ML 모델 개발을 가속화합니다.
118
mikeroyal/Machine-Learning-Guide
머신러닝 가이드. 머신러닝 도구, 라이브러리, 프레임워크, 대규모 언어 모델(LLM) 및 학습 모델에 대해 모두 알아보세요.
124
Neuraxio/Neuraxle
세계에서 가장 깨끗한 AutoML 라이브러리 ✨ - 올바른 파이프라인 추상화를 사용하여 하이퍼파라미터 튜닝을 수행하여 깨끗한 딥러닝 프로덕션 파이프라인을 작성하세요. 파이프라인 단계에 하이퍼파라미터 공간을 부여하세요. 파이프라인의 단계를 컴포넌트처럼 설계하세요. Scikit-Learn, TensorFlow 및 대부분의 다른 라이브러리, 프레임워크와 MLOps 환경과 호환됩니다.
⭐ 585
👤 Coder-World04 User
🕐 업데이트됨 2024-02-05
📅 생성됨 2022-04-30