#feature-engineering 仓库
探索 56 个标记为 #feature-engineering 的活跃开源 GitHub 仓库,它们累计获得 95,158 个 Star(平均每个项目 1,699 个)。该主题的领先项目是 EpistasisLab/tpot,拥有 10,051 个 Star。
共 56 个仓库
Book_6_《数据有道》 | 鸢尾花书:从加减乘除到机器学习;欢迎大家批评指正!纠错多的同学会得到赠书感谢!
Apache Hamilton 帮助数据科学家和工程师定义可测试、模块化、自文档化的数据流,这些数据流编码血缘/跟踪和元数据。可在 Python 运行的所有地方运行和扩展。
TransmogrifAI(发音为 trăns-mŏgˈrə-fī)是一个 AutoML 库,用于在 Apache Spark 上构建模块化、可重用且强类型的机器学习工作流,且只需极少的调优。
Approaching (Almost) Any Machine Learning Problem中译版,在线文档地址:https://ytzfhqs.github.io/AAAMLP-CN/
特征工程是使用领域知识通过数据挖掘技术从原始数据中提取特征的过程。这些特征可以用来提高机器学习算法的性能。特征工程可以被视为应用机器学习本身。
BharatMLStack 是一个开源的、端到端的机器学习基础设施堆栈,在 Meesho 构建,用于支持 Bharat 规模的实时和批量机器学习工作负载
高保真合成数据集,捕获 AI 开发人员的生产力指标 — 包括专注时长、任务完成率和倦怠指标。隐私安全,非常适合 ML 和工作流分析。
用于静态/批量和在线/持续学习的自动化机器学习(AutoML)方法的使用实现/教程
常见问题解答
GitHub 上最受欢迎的 #feature-engineering 仓库是什么?
GitHub 上排名第一的开源 #feature-engineering 项目是 EpistasisLab/tpot,拥有 10,051 个 Star。一个使用遗传编程优化机器学习管道的Python自动化机器学习工具。
#feature-engineering 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #feature-engineering 项目中,最常见的编程语言是 Python, Jupyter Notebook, Scala, Java。
#feature-engineering 仓库的排名是如何计算的?
我们跟踪了 56 个标记为 #feature-engineering 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 95,158 个 Star,平均每个仓库拥有 1,699 个 Star。排名每日根据 GitHub API 更新。