Git Stars Git Stars

#missing-values Repositórios

Descubra 3 repositórios ativos de código aberto no GitHub marcados com #missing-values, acumulando um total de 3,139 estrelas (uma média de 1,046 por projeto). O líder deste tópico é WenjieDu/PyPOTS, com 2,097 estrelas.

3
Total de Repositórios
3,139
Total de estrelas
1,046
Média de Estrelas/Repositório
Linguagens de programação: Python R

3 repositórios no total

1
WenjieDu/PyPOTS

Uma toolkit/biblioteca Python para machine/deep learning e mineração de dados centrado na realidade em séries temporais parcialmente observadas, com mais de 50 modelos de redes neurais SOTA para tarefas de análise científica (imputação, classificação, agrupamento, previsão, detecção de anomalias, limpeza) em TS multivariadas industriais incompletas amostradas irregularmente com valores ausentes NaN

WenjieDu
⭐ 2,097 Python 👤 WenjieDu User 🕐 Atualizado 2026-11-18 📅 Criado 2022-03-29
2
WenjieDu/SAITS

A implementação oficial em PyTorch do artigo "SAITS: Imputação baseada em Self-Attention para Séries Temporais". Um modelo de rede neural de aprendizado profundo rápido e de ponta (SOTA) para imputação eficiente de séries temporais (imputar séries temporais multivariadas incompletas contendo dados/valores ausentes NaN com aprendizado de máquina). https://arxiv.org/abs/2202.08516

WenjieDu
⭐ 521 Python 👤 WenjieDu User 🕐 Atualizado 2026-08-25 📅 Criado 2021-12-07
3
amices/mice

Imputação multivariada por equações encadeadas

amices
⭐ 521 R 👤 amices Organization 🕐 Atualizado 2026-11-19 📅 Criado 2013-03-20

Perguntas Frequentes

1

Qual é o repositório de #missing-values mais popular no GitHub?

O projeto de código aberto de #missing-values mais bem classificado no GitHub é WenjieDu/PyPOTS, com 2,097 estrelas. Uma toolkit/biblioteca Python para machine/deep learning e mineração de dados centrado na realidade em séries temporais parcialmente observadas, com mais de 50 modelos de redes neurais SOTA para tarefas de análise científica (imputação, classificação, agrupamento, previsão, detecção de anomalias, limpeza) em TS multivariadas industriais incompletas amostradas irregularmente com valores ausentes NaN

2

Quais linguagens de programação são mais usadas nos repositórios de #missing-values?

Entre os projetos de #missing-values mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, R.

3

Como é calculada a classificação dos repositórios de #missing-values?

Acompanhamos 3 repositórios ativos de código aberto marcados com #missing-values (com mais de 500 estrelas), totalizando 3,139 estrelas e uma média de 1,046 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.