feature-engineering

一款使用基因算法优化机器学习流程的 Python 自动化机器学习工具

用于自动化特征工程的开源 Python 库。

Alink 是基于 Flink 的机器学习算法平台，由阿里巴巴计算平台 PAI 团队开发。

Python 套件，用于表格数据的 AutoML，包含特征工程、超参数调节、解释与自动文档化

Book_6_《数据有道》 | 鸢尾花书：从加减乘除到机器学习；欢迎大家批评指正！纠错多的同学会得到赠书感谢！

Apache Hamilton 帮助数据科学家和工程师定义可测试、模块化、自文档化的数据流，并编码血缘/追踪与元数据。可在任何 Python 执行的环境中执行与扩展。

低代码机器学习个性化排序服务，适用于文章、列表、搜索结果与推荐，可提升用户参与度。一个友好的 Learn-to-Rank 引擎

TransmogrifAI 是一套 AutoML 库，用于在 Apache Spark 上构建模块化、可重复使用、强类型的机器学习工作流程，并将其手动调整降至最低

兼容 sklearn 的特征工程与选择开源 Python 库。

虚拟特征存储。将您现有的数据基础设施转化为特征存储。

Feathr – 企业级可扩展的统一数据与 AI 工程平台

智能交易机器人：基于机器学习与特征工程自动生成信号并进行交易

深度学习与机器学习股票为长期和短期投资者及交易者提供了有前景的机会。

OpenMLDB 是一个开源的机器学习数据库，提供一个能为训练与推理计算一致性特征的特征平台。

用于 AI 数据应用的统一多模态后端

自动化时间序列预测

Hopsworks - 具备特征存储库的数据密集型 AI 平台

大规模时间序列机器学习。使用 Polars 构建，用于面板数据的极度并行特征提取与预测。

NVTabular 是一个针对表格数据的特征工程与预处理库，旨在快速且轻松地处理用于训练深度学习推荐系统的太字节级（terabyte-scale）数据集。

一个能从时间序列中提取特征的直观库

EvalML 是一个用 python 编写的 AutoML 库。

特征工程是利用领域知识通过数据挖掘技术从原始数据中提取特征的过程。这些特征可用于提升机器学习算法的性能。特征工程本身即可视为应用机器学习。

Kaggle 数据科学竞赛代码

Temporian 是一个开源的 Python 库，用于机器学习应用的时间数据预处理 ⚡ 与特征工程 🛠 📈

BharatMLStack 是 Meesho 构建的开源端到端机器学习基础设施堆栈，旨在支持 Bharat 规模的实时与批次 ML 工作负载。

绝对免费、便利且快速的每日任务规划

使用进阶特征工程策略，透过一行代码从数据集中选出最佳特征。由 Ram Seshadri 建立。欢迎协作者。

无服务器机器学习课程，用于从模型与特征构建具备 AI 功能的预测服务

数据科学项目的完整生命周期

使用自动化机器学习（AutoML）方法进行静态／批次与在线／持续学习的实现／教程