feature-selection

Open-Source-Python-Bibliothek für Feature Engineering und Feature Selection, kompatibel mit sklearn.

Deep-Learning- und Machine-Learning-Aktien stellen vielversprechende Möglichkeiten für langfristige und kurzfristige Investoren und Trader dar.

Maschinelles Lernen in R.

NVTabular ist eine Feature-Engineering- und Vorverarbeitungsbibliothek für tabellarische Daten, die entwickelt wurde, um Terabyte-große Datensätze für das Training von Deep-Learning-basierten Empfehlungssystemen schnell und einfach zu verarbeiten.

Leave-One-Feature-Out-Wichtigkeit

EvalML ist eine in Python geschriebene AutoML-Bibliothek.

Feature Engineering ist der Prozess, bei dem Domänenwissen genutzt wird, um Merkmale aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Merkmale können zur Verbesserung der Leistung von Machine-Learning-Algorithmen verwendet werden. Feature Engineering kann als angewandtes Machine Learning an sich betrachtet werden.

Nutzen Sie fortgeschrittene Feature-Engineering-Strategien und wählen Sie die besten Merkmale aus Ihrem Datensatz mit nur einer Zeile Code aus. Erstellt von Ram Seshadri. Mitwirkende willkommen.

mRMR (minimum-Redundancy-Maximum-Relevance) für die automatische Merkmalsauswahl im großen Maßstab.

Ein Python-Paket zur gleichzeitigen Hyperparameter-Optimierung und Merkmalsauswahl für Gradient-Boosting-Modelle.

Lineares Vorhersagemodell mit automatisiertem Feature Engineering und Auswahlfunktionen

Benutzerfreundliche Python-Bibliothek mit angepassten Funktionen zur Datenbereinigung und -analyse.