feature-selection

sklearn と互換性のある、特徴量エンジニアリングおよび選択のためのオープンソース Python ライブラリ。

ディープラーニングおよび機械学習関連の株式は、長期・短期の投資家やトレーダーの双方にとって有望な機会となります

R言語における機械学習

NVTabular は、ディープラーニングベースの推薦システムのトレーニングに使用されるテラバイト規模のデータセットを迅速かつ容易に操作できるように設計された、表形式データ用の特徴量エンジニアリングおよび前処理ライブラリです。

Leave One Feature Out（1つを除外した特徴量）重要度算出手法

EvalML は Python で書かれた AutoML ライブラリです。

特徴量エンジニアリングは、ドメイン知識を用いてデータマイニング手法により生データから特徴量を抽出するプロセスです。これらの特徴量は機械学習アルゴリズムの性能向上に利用できます。特徴量エンジニアリングは応用機械学習そのものと見なすことができます。

高度な特徴量エンジニアリング戦略を使用し、1行のコードでデータセットから最適な特徴量を選択する。Ram Seshadri 作成、協力者歓迎。

大規模な自動特徴量選択のための mRMR（最小冗長性最大関連性）

Gradient Boostingモデルのハイパーパラメータ調整と特徴量選択を同時に行うためのPythonパッケージ

自動特徴量エンジニアリングおよび選択機能を備えた線形予測モデル

データのクレンジングと分析のためのカスタム関数を備えた、使いやすいPythonライブラリ。