Git Stars Git Stars

#interpretable-machine-learning Repositórios

Descubra 9 repositórios ativos de código aberto no GitHub marcados com #interpretable-machine-learning, acumulando um total de 18,839 estrelas (uma média de 2,093 por projeto). O líder deste tópico é interpretml/interpret, com 6,986 estrelas.

9
Total de Repositórios
18,839
Total de estrelas
2,093
Média de Estrelas/Repositório
Linguagens de programação: Python Jupyter Notebook C++

9 repositórios no total

1
interpretml/interpret

Ajuste modelos interpretáveis. Explique aprendizado de máquina de caixa preta.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Atualizado 2026-11-16 📅 Criado 2019-05-03
2
jphall663/awesome-machine-learning-interpretability

Uma lista selecionada de recursos incríveis de aprendizado de máquina responsável.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Atualizado 2026-06-03 📅 Criado 2018-06-21
3
interpretml/DiCE

Gerar Explicações Contrafactuais Diversas para qualquer modelo de aprendizado de máquina.

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 Atualizado 2025-07-13 📅 Criado 2019-05-02
4
ModelOriented/DALEX

Linguagem Agnostic de Modelo para Exploração e Explicação

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 Atualizado 2026-07-15 📅 Criado 2018-02-18
5
SelfExplainML/PiML-Toolbox

Caixa de ferramentas PiML (Python Interpretable Machine Learning) para desenvolvimento e diagnóstico de modelos

SelfExplainML
⭐ 1,285 Jupyter Notebook 👤 SelfExplainML Organization 🕐 Atualizado 2025-03-30 📅 Criado 2022-04-29
6
dswah/pyGAM

[COLABORADORES BEM-VINDOS] Modelos Aditivos Generalizados em Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Atualizado 2026-04-21 📅 Criado 2017-01-19
7
salesforce/OmniXAI

OmniXAI: Uma Biblioteca para IA Explicável

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 Atualizado 2026-06-02 📅 Criado 2022-02-17
8
mmschlk/shapiq

Valores de Shapley e interações de Shapley para aprendizado de máquina

mmschlk
⭐ 797 Python 👤 mmschlk User 🕐 Atualizado 2026-11-20 📅 Criado 2023-10-17
9
jphall663/interpretable_machine_learning_with_python

Exemplos de técnicas para treinar modelos de ML interpretáveis, explicar modelos de ML e depurar modelos de ML quanto à precisão, discriminação e segurança.

jphall663
⭐ 679 Jupyter Notebook 👤 jphall663 User 🕐 Atualizado 2024-06-17 📅 Criado 2018-03-14

Perguntas Frequentes

1

Qual é o repositório de #interpretable-machine-learning mais popular no GitHub?

O projeto de código aberto de #interpretable-machine-learning mais bem classificado no GitHub é interpretml/interpret, com 6,986 estrelas. Ajuste modelos interpretáveis. Explique aprendizado de máquina de caixa preta.

2

Quais linguagens de programação são mais usadas nos repositórios de #interpretable-machine-learning?

Entre os projetos de #interpretable-machine-learning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++.

3

Como é calculada a classificação dos repositórios de #interpretable-machine-learning?

Acompanhamos 9 repositórios ativos de código aberto marcados com #interpretable-machine-learning (com mais de 500 estrelas), totalizando 18,839 estrelas e uma média de 2,093 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.