#regression Repositórios
Descubra 50 repositórios ativos de código aberto no GitHub marcados com #regression, acumulando um total de 169,328 estrelas (uma média de 3,386 por projeto). O líder deste tópico é apachecn/ailearning, com 41,904 estrelas.
50 repositórios no total
AiLearning: Análise de Dados + Prática de Machine Learning + Álgebra Linear + PyTorch + NLTK + TF2
:zap: Aprendizado de Máquina Prático (Python3): kNN, Árvore de Decisão, Bayesiano, Regressão Logística, SVM, Regressão Linear, Regressão em Árvore
Plataforma AutoML open-source de baixo código para Python. PyCaret 4.0: motor nativo sklearn + plano de controle React.
Código para o Livro de Receitas de Aprendizado de Máquina do Tensorflow
Séries Temporais Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de ponta para Séries Temporais e Sequências em Pytorch / fastai
Uma biblioteca rápida para AutoML e otimização. Junte-se ao nosso Discord: https://discord.gg/Cppx2vSPVP.
Book_5_《Estatística Simplificada》 | O Livro Íris: Do Básico à Aprendizagem de Máquina; Disponível!
Alink é a plataforma de algoritmos de Machine Learning baseada em Flink, desenvolvida pela equipe PAI da plataforma de computação Alibaba.
Kit de ferramentas AutoML para Python que permite comparar modelos de classificação, regressão e previsão de séries temporais, com aceleração por GPU, rastreamento no MLflow e pré-processamento automatizado.
Biblioteca matemática moderna e poderosa para PHP: Recursos de estatísticas descritivas e regressões; Distribuições de probabilidade contínuas e discretas; Álgebra linear com matrizes e vetores, Análise numérica; funções matemáticas especiais; Álgebra
Uma biblioteca de aprendizado de máquina e aprendizado profundo de alto nível para a linguagem PHP.
Um pacote Python para previsão Bayesiana com design orientado a objetos e modelos probabilísticos subjacentes.
Uma biblioteca compatível com scikit-learn para estimar intervalos de predição e controlar riscos, baseada em predições conformes.
Framework rápido e personalizável para a criação automática de modelos de ML (AutoML)
Este repositório contém mini projetos em machine learning com arquivos de notebook
Análise de Sentimento, Classificação de Texto, Aumentação de Texto, Defesa Adversarial de Texto, etc.;
Modelos lineares adicionais, incluindo modelos de variáveis instrumentais e de dados em painel, que estão ausentes no statsmodels.
Uma biblioteca abrangente para aprendizado de máquina e computação numérica. Aplique aprendizado de máquina com Rust aproveitando os primeiros princípios.
Análise Exploratória de Dados Prática com Python, publicado pela Packt
🤖 Exemplos em MatLab/Octave de algoritmos populares de aprendizado de máquina com exemplos de código e explicações matemáticas
Inferência Estatística através da Ciência de Dados: Um Mergulho Moderno em R e o Tidyverse
Compilação de exemplos notórios do mundo real de projetos de aprendizado de máquina fracassados
Compêndio de recursos gratuitos de leitura sobre ML
Previsão de Séries Temporais Moderna com Python, publicado pela Packt
Perguntas Frequentes
Qual é o repositório de #regression mais popular no GitHub?
O projeto de código aberto de #regression mais bem classificado no GitHub é apachecn/ailearning, com 41,904 estrelas. AiLearning: Análise de Dados + Prática de Machine Learning + Álgebra Linear + PyTorch + NLTK + TF2
Quais linguagens de programação são mais usadas nos repositórios de #regression?
Entre os projetos de #regression mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Rust, Java.
Como é calculada a classificação dos repositórios de #regression?
Acompanhamos 50 repositórios ativos de código aberto marcados com #regression (com mais de 500 estrelas), totalizando 169,328 estrelas e uma média de 3,386 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.