feature-selection

sklearn के साथ संगत फ़ीचर इंजीनियरिंग और चयन ओपन-सोर्स Python लाइब्रेरी।

डीप लर्निंग और मशीन लर्निंग स्टॉक दीर्घकालिक और अल्पकालिक दोनों निवेशकों और व्यापारियों के लिए आशाजनक अवसर प्रस्तुत करते हैं।

R में मशीन लर्निंग

NVTabular टैब्यूलर डेटा के लिए एक फीचर इंजीनियरिंग और प्रीप्रोसेसिंग लाइब्रेरी है, जिसे डीप लर्निंग आधारित अनुशंसक प्रणालियों को प्रशिक्षित करने के लिए टेराबाइट स्केल डेटासेट को तेज़ी से और आसानी से प्रोसेस करने के लिए डिज़ाइन किया गया है।

लीव वन फीचर आउट इम्पोर्टेंस

EvalML पायथन में लिखी गई एक AutoML लाइब्रेरी है।

फ़ीचर इंजीनियरिंग डेटा माइनिंग तकनीकों के माध्यम से कच्चे डेटा से फ़ीचर निकालने के लिए डोमेन ज्ञान का उपयोग करने की प्रक्रिया है। इन फ़ीचर्स का उपयोग मशीन लर्निंग एल्गोरिदम के प्रदर्शन को बेहतर बनाने के लिए किया जा सकता है। फ़ीचर इंजीनियरिंग को स्वयं एप्लाइड मशीन लर्निंग माना जा सकता है।

कोड की एक ही लाइन के साथ अपने डेटासेट से उन्नत फ़ीचर इंजीनियरिंग रणनीतियों का उपयोग करें और सर्वश्रेष्ठ फ़ीचर्स का चयन करें। Ram Seshadri द्वारा बनाया गया। योगदानकर्ताओं का स्वागत है।

बड़े पैमाने पर स्वचालित फीचर चयन के लिए mRMR (minimum-Redundancy-Maximum-Relevance)।

Gradient Boosting मॉडल्स के लिए एक साथ हाइपरपैरामीटर ट्यूनिंग और फीचर सिलेक्शन के लिए एक पायथन पैकेज।

स्वचालित फ़ीचर इंजीनियरिंग और चयन क्षमताओं के साथ रैखिक भविष्यवाणी मॉडल

डेटा को क्लीन और एनालाइज करने के लिए कस्टमाइज्ड फंक्शन्स की उपयोग में आसान Python लाइब्रेरी।