#scikit-learn Репозитории
Всего репозиториев: 137
ML-алгоритмы в 2-2000 раз быстрее, использование памяти на 50% меньше, работает на всём оборудовании - новом и старом.
Освойте ключевые навыки, необходимые для распознавания и решения сложных реальных проблем с помощью машинного обучения и глубокого обучения, используя высоко популярную экосистему Python Machine Learning.
Библиотека Python с открытым исходным кодом для инжиниринга и выбора признаков, совместимая с sklearn.
Серия ноутбуков Jupyter, которые помогут вам освоить основы машинного обучения и глубокого обучения на Python с использованием библиотек Scikit-Learn, PyTorch и Hugging Face.
Селектор признаков — это инструмент для снижения размерности наборов данных машинного обучения
Использование Python и scikit-learn для прогнозирования акций
Автоматически визуализируйте любой набор данных любого размера с помощью одной строки кода. Создано Рамом Сешадри. Добро пожаловать, коллеги. Разрешение предоставляется по запросу.
ПРЕДУПРЕЖДЕНИЕ: проект Katib УСТАРЕЛ. Пользователям следует перейти на OptimizationJob и Kubeflow Trainer.
Интерпретируемый пакет ML 🔍 для краткого, прозрачного и точного предиктивного моделирования (совместим с sklearn).
Библиотека Python для прогнозирования временных рядов с использованием моделей, совместимых с scikit-learn, статистических методов и базовых моделей
Портфолио проектов по науке о данных, выполненных мной в академических целях, для самообучения и в качестве хобби.
:crown: Многомерный исследовательский анализ данных в Python — PCA, CA, MCA, MFA, FAMD, GPA
Concrete ML: Фреймворк машинного обучения (ML) с сохранением конфиденциальности, использующий полностью гомоморфное шифрование (FHE), построенный поверх Concrete, с привязками к традиционным ML-фреймворкам.
Ориентированный на промышленную эксплуатацию Python-пакет для MLOps и эталонная реализация курса по программированию MLOps: MLflow, scikit-learn, Pydantic, Pandera, uv и mise.
Практическое изучение анализа данных ориентировано на проекты, с встроенными точками знаний, для достижения лучших результатов обучения посредством обучения, практики и наставничества
Расширение для Scikit-learn — это плавный способ ускорить ваше приложение Scikit-learn.
Маленькие проекты по машинному обучению для понимания основных концепций. Поставьте Звезду 🌟, если это помогает. БОНУС: Банк Интервью скоро..!
Транспилируйте обученные оцениватели и преобразователи scikit-learn в C, C#, Go, Java, JavaScript, PHP и Ruby.
Реализации на Python алгоритмов кластеризации k-modes и k-prototypes для кластеризации категориальных данных
Блокноты, которые мы используем на курсе машинного обучения
Библиотека извлечения признаков временных рядов (TSFEL): более 60 статистических, временных, спектральных и фрактальных признаков для классификации и регрессии временных рядов, а также обработки сигналов на Python
Заметки и решения упражнений к Части I из книги: "Hands-On ML with Scikit-Learn, Keras & TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems" by Aurelien Geron
Высокопроизводительная библиотека топологического машинного обучения на Python
Модуль на основе scikit-learn для мультилейбловой классификации и т. д.
Сервер вывода для ваших моделей машинного обучения, включая поддержку нескольких фреймворков, обслуживание нескольких моделей и многое другое
Кросс-валидаторы scikit-learn для итеративной стратификации мультилейбл-данных