feature-selection

Bibliothèque Python open-source d'ingénierie et de sélection de caractéristiques compatible avec sklearn.

Les actions liées au Deep Learning et au Machine Learning représentent des opportunités prometteuses pour les investisseurs et traders à long et court terme.

Apprentissage automatique en R

NVTabular est une bibliothèque d'ingénierie et de prétraitement de caractéristiques pour les données tabulaires, conçue pour manipuler rapidement et facilement des jeux de données à l'échelle du téraoctet utilisés pour entraîner des systèmes de recommandation basés sur l'apprentissage profond.

Importance par suppression d'une caractéristique (Leave One Feature Out)

EvalML est une bibliothèque d'AutoML écrite en Python.

L'ingénierie des caractéristiques est le processus consistant à utiliser les connaissances du domaine pour extraire des caractéristiques à partir de données brutes via des techniques de data mining. Ces caractéristiques peuvent être utilisées pour améliorer les performances des algorithmes d'apprentissage automatique. L'ingénierie des caractéristiques peut être considérée comme de l'apprentissage automatique appliqué.

Utilisez des stratégies avancées d'ingénierie des fonctionnalités et sélectionnez les meilleures variables de votre jeu de données en une seule ligne de code. Créé par Ram Seshadri. Contributeurs bienvenus.

mRMR (minimum-Redundancy-Maximum-Relevance) pour la sélection automatique de caractéristiques à grande échelle.

Un paquet Python pour l'optimisation simultanée des hyperparamètres et la sélection de caractéristiques pour les modèles Gradient Boosting.

Modèle de prédiction linéaire avec fonctionnalités automatisées d'ingénierie et de sélection de caractéristiques

Bibliothèque Python simple d'utilisation proposant des fonctions personnalisées pour le nettoyage et l'analyse de données.