feature-selection

Librería de código abierto en Python para ingeniería y selección de características compatible con sklearn.

Las acciones de Deep Learning y Machine Learning representan oportunidades prometedoras tanto para inversores como para operadores a corto y largo plazo.

Aprendizaje automático en R

NVTabular es una biblioteca de ingeniería de características y preprocesamiento para datos tabulares, diseñada para manipular de forma rápida y sencilla conjuntos de datos a escala de terabytes utilizados para entrenar sistemas de recomendación basados en deep learning.

Importancia de dejar fuera una característica (Leave One Feature Out Importance)

EvalML es una biblioteca de AutoML escrita en Python.

La ingeniería de características es el proceso de utilizar el conocimiento del dominio para extraer características de datos sin procesar mediante técnicas de minería de datos. Estas características pueden utilizarse para mejorar el rendimiento de los algoritmos de aprendizaje automático. La ingeniería de características puede considerarse como el aprendizaje automático aplicado en sí mismo.

Utiliza estrategias avanzadas de ingeniería de características y selecciona las mejores variables de tu conjunto de datos con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos.

mRMR (mínima redundancia, máxima relevancia) para la selección automática de características a gran escala.

Paquete de Python para la optimización simultánea de hiperparámetros y selección de características en modelos de Gradient Boosting.

Modelo de predicción lineal con capacidades de ingeniería y selección de características automatizadas.

Biblioteca de Python fácil de usar con funciones personalizadas para limpiar y analizar datos.