Git Stars Git Stars

#feature-selection 仓库

探索 18 个标记为 #feature-selection 的活跃开源 GitHub 仓库,它们累计获得 20,050 个 Star(平均每个项目 1,113 个)。该主题的领先项目是 feature-engine/feature_engine,拥有 2,297 个 Star。

18
仓库总数
20,050
总星标数
1,113
平均每个仓库星标数
1
feature-engine/feature_engine

与 sklearn 兼容的特征工程和选择开源 Python 库。

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 已更新 2026-11-21 📅 创建时间 2018-12-31
2
WillKoehrsen/feature-selector

特征选择器是用于机器学习数据集降维的工具

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 已更新 2024-06-17 📅 创建时间 2018-06-20
3
LastAncientOne/Deep_Learning_Machine_Learning_Stock

深度学习和机器学习股票为长期和短期投资者以及交易者提供了有前景的机会。

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 已更新 2024-03-01 📅 创建时间 2018-09-29
4
mlr-org/mlr

R中的机器学习

mlr-org
⭐ 1,685 R 👤 mlr-org Organization 🕐 已更新 2026-10-11 📅 创建时间 2013-08-29
5
scikit-learn-contrib/boruta_py

Boruta 全相关特征选择方法的 Python 实现。

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 已更新 2025-11-13 📅 创建时间 2016-01-30
6
jundongl/scikit-feature

Python 中的开源特征选择仓库

jundongl
⭐ 1,561 Python 👤 jundongl User 🕐 已更新 2024-07-11 📅 创建时间 2015-11-06
7
8080labs/ppscore

Python中的预测能力评分(PPS)

8080labs
⭐ 1,170 Python 👤 8080labs User 🕐 已更新 2026-03-11 📅 创建时间 2020-04-17
8
NVIDIA-Merlin/NVTabular

NVTabular 是一个用于表格数据的特征工程和预处理库,旨在快速轻松地处理用于训练深度学习推荐系统的TB级数据集。

NVIDIA-Merlin
⭐ 1,153 Python 👤 NVIDIA-Merlin Organization 🕐 已更新 2026-05-22 📅 创建时间 2020-04-03
9
aerdem4/lofo-importance

Leave One Feature Out 重要性

aerdem4
⭐ 867 Python 👤 aerdem4 User 🕐 已更新 2025-02-14 📅 创建时间 2019-01-14
10
alteryx/evalml

EvalML 是一个用 Python 编写的 AutoML 库。

alteryx
⭐ 852 Python 👤 alteryx Organization 🕐 已更新 2026-01-14 📅 创建时间 2019-07-17
11
ashishpatel26/Amazing-Feature-Engineering

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。

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 已更新 2025-06-29 📅 创建时间 2019-02-19
12
AutoViML/featurewiz

使用高级特征工程策略,只需一行代码即可从数据集中选择最佳特征。由 Ram Seshadri 创建。欢迎合作者。

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 已更新 2025-02-19 📅 创建时间 2020-11-29
13
Ekeany/Boruta-Shap

一个基于树的特征选择工具,结合了 Boruta 特征选择算法和 Shapley 值。

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 已更新 2024-02-19 📅 创建时间 2020-04-13
14
smazzanti/mrmr

MRMR (最小冗余最大相关性) 用于大规模自动特征选择。

smazzanti
⭐ 618 Python 👤 smazzanti User 🕐 已更新 2024-11-19 📅 创建时间 2021-04-16
15
cerlymarco/shap-hypetune

一个用于Gradient Boosting模型的同步超参数调优和特征选择的Python包。

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 已更新 2024-06-08 📅 创建时间 2021-05-16
16
cod3licious/autofeat

具有自动化特征工程和选择功能的线性预测模型

cod3licious
⭐ 545 Python 👤 cod3licious User 🕐 已更新 2026-01-06 📅 创建时间 2019-01-22
17
akanz1/klib

用于数据清理和分析的定制函数,易于使用的 Python 库。

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 已更新 2026-10-28 📅 创建时间 2020-03-25
18
Desbordante/desbordante-core

Desbordante 是一款高性能数据分析工具,能够利用各种算法发现数据中的多种模式。它还支持使用这些算法运行数据清洗场景。Desbordante 提供控制台版本和易于使用的 Web 应用程序。

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 已更新 2026-11-17 📅 创建时间 2020-04-09

常见问题解答

1

GitHub 上最受欢迎的 #feature-selection 仓库是什么?

GitHub 上排名第一的开源 #feature-selection 项目是 feature-engine/feature_engine,拥有 2,297 个 Star。与 sklearn 兼容的特征工程和选择开源 Python 库。

2

#feature-selection 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #feature-selection 项目中,最常见的编程语言是 Python, Jupyter Notebook, R, C++。

3

#feature-selection 仓库的排名是如何计算的?

我们跟踪了 18 个标记为 #feature-selection 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 20,050 个 Star,平均每个仓库拥有 1,113 个 Star。排名每日根据 GitHub API 更新。