본문으로 건너뛰기
buildradar
Sign in
토픽 · feature-selection

feature-selection

feature-selection 태그가 달린 추적 중인 오픈소스 리포지토리를 스타 수 순으로 보여줘요.

리포지토리
12
총 스타
12,393
평균 스타
1,033
비중
0.00%

같은 리포지토리에 feature-selection 태그와 자주 함께 쓰이는 토픽이에요.

최근 라이징

최근 90일 안에 만들어지고 feature-selection 태그가 달린 리포지토리예요.

최근 90일 안에 이 토픽 태그가 달린 새 리포지토리가 없어요.

  • feature_engine@feature-engine

    sklearn과 호환되는 특성 공학 및 선택 오픈소스 Python 라이브러리.

    2,275+6최근 7일 스타 변화
  • Deep_Learning_Machine_Learning_Stock@LastAncientOne

    딥러닝 및 머신러닝 관련 주식은 장기 및 단기 투자자 모두에게 유망한 기회를 제공합니다.

    1,787+3최근 7일 스타 변화
  • mlr@mlr-org

    R에서의 머신러닝

    1,687-1최근 7일 스타 변화
  • NVTabular@NVIDIA-Merlin

    NVTabular는 딥러닝 기반 추천 시스템 학습에 사용되는 테라바이트 규모의 데이터를 빠르고 쉽게 조작할 수 있도록 설계된 정형 데이터용 피처 엔지니어링 및 전처리 라이브러리입니다.

    1,151+1최근 7일 스타 변화
  • lofo-importance@aerdem4

    Leave One Feature Out 중요도

    871+0최근 7일 스타 변화
  • evalml@alteryx

    Python으로 작성된 AutoML 라이브러리 EvalML

    852+0최근 7일 스타 변화
  • Amazing-Feature-Engineering@ashishpatel26

    피처 엔지니어링(Feature engineering)은 데이터 마이닝 기술을 통해 도메인 지식을 활용하여 원시 데이터에서 특징을 추출하는 과정입니다. 이러한 특징은 머신러닝 알고리즘의 성능을 향상시키는 데 사용할 수 있습니다. 피처 엔지니어링 자체를 응용 머신러닝으로 간주할 수 있습니다.

    805-1최근 7일 스타 변화
  • featurewiz@AutoViML

    단 한 줄의 코드로 고급 피처 엔지니어링 전략을 사용하고 데이터 세트에서 최적의 피처를 선택하세요. Ram Seshadri 제작. 기여자 환영.

    684+0최근 7일 스타 변화
  • mrmr@smazzanti

    대규모 자동 피처 선택을 위한 mRMR(최소 중복 최대 관련성) 알고리즘

    629+0최근 7일 스타 변화
  • shap-hypetune@cerlymarco

    Gradient Boosting 모델을 위한 하이퍼파라미터 튜닝 및 특성 선택 동시 수행 Python 패키지

    584+0최근 7일 스타 변화
  • autofeat@cod3licious

    자동화된 특성 공학 및 선택 기능을 갖춘 선형 예측 모델

    545+0최근 7일 스타 변화
  • klib@akanz1

    데이터 정제 및 분석을 위한 커스텀 함수를 제공하는 사용하기 쉬운 Python 라이브러리

    523+0최근 7일 스타 변화
← 토픽 목록으로