scikit-learn

Jupyter Notebooks aus der scikit-learn-Videoreihe

Leistungsstarke symbolische Regression in Python und Julia

🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.

Wahrscheinlich die beste kuratierte Liste von Data-Science-Software in Python.

Hummingbird kompiliert trainierte ML-Modelle in Tensor-Berechnungen für eine schnellere Inferenz.

🛠 All-in-One webbasierte IDE, spezialisiert auf Machine Learning und Data Science.

Integriere LLMs nahtlos in scikit-learn.

Python-Paket für AutoML auf tabellarischen Daten mit Feature Engineering, Hyperparameter-Tuning, Erklärungen und automatischer Dokumentation

Sorgfältig kuratierte Ressourcenvinks für Data Science an einem Ort

Eine Python-Bibliothek zur Entscheidungsbaum-Visualisierung und Modellinterpretation.

Ein wunderbares Machine-Learning-Tool, mit dem Sie Modelle ohne Code-Schreiben trainieren, testen und verwenden können

Transformieren Sie ML-Modelle in nativen Code (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) ohne Abhängigkeiten

Eine Bibliothek zum Debuggen und Inspizieren von Machine-Learning-Klassifikatoren sowie zum Erklären ihrer Vorhersagen

Mars ist ein auf Tensoren basierendes, einheitliches Framework für die großflächige Datenberechnung, das numpy, pandas, scikit-learn und Python-Funktionen skaliert.

2- bis 2000-mal schnellere ML-Algorithmen, 50 % weniger Speicherverbrauch, funktioniert auf alter und neuer Hardware.

Eine intuitive Bibliothek zum Hinzufügen von Plotting-Funktionen zu scikit-learn-Objekten.

Erlernen Sie die wesentlichen Fähigkeiten zur Erkennung und Lösung komplexer realer Probleme mit Machine Learning und Deep Learning mithilfe des beliebten Python-Machine-Learning-Ökosystems.

Ein modulares Active-Learning-Framework für Python

Python-Bibliothek zur Portfolio-Optimierung auf Basis von scikit-learn

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

Verwendung von Python und scikit-learn für Aktienvorhersagen

Visualisieren Sie jeden Datensatz beliebiger Größe automatisch mit nur einer Zeile Code. Erstellt von Ram Seshadri. Mitarbeit willkommen. Erlaubnis auf Anfrage erteilt.

Genetische Programmierung in Python, mit einer von scikit-learn inspirierten API.

Python AutoML für Handelssysteme und Sportwetten

Automatisiertes maschinelles Lernen auf Kubernetes

Data-Science-Kurs 2015 der General Assembly in Washington, DC

Interpretierbares ML-Paket 🔍 für prägnante, transparente und genaue prädiktive Modellierung (sklearn-kompatibel).

MLeap: ML-Pipelines in die Produktion überführen

Python-Bibliothek für Zeitreihenprognosen unter Verwendung von scikit-learn-kompatiblen Modellen, statistischen Methoden und Foundation-Modellen

Multivariate explorative Datenanalyse in Python — PCA, CA, MCA, MFA, FAMD, GPA