Project Icon

scikeras

Keras与Scikit-Learn的无缝集成工具

SciKeras是一个开源项目,旨在为Keras模型提供Scikit-Learn兼容的包装器。作为tf.keras.wrappers.scikit_learn的继任者,SciKeras保持API兼容性的同时,提供了更多功能。该项目支持TensorFlow,可通过pip轻松安装。SciKeras不仅提供详细文档,还有完整的迁移指南,方便用户从原有框架过渡。项目基于scikit-learn 1.4.1post1及以上版本和Keras 3.2.0及以上版本,为机器学习实践者提供了一个强大的集成工具。

imodels - 一款提供易用且兼容的透明、简洁预测模型的集成scikit-learn的Python库
GithubPythonimodelsscikit-learn开源项目机器学习解释模型
imodels,一款集成scikit-learn的Python库,提供易用且兼容的透明、简洁预测模型。它应用最新的解释性模型技术,旨在提高机器学习的计算效率和预测精准度。包含imodelsX模块以支持NLP领域,且拥有完善的教程和文档,满足多样化应用需求。
sklearn-onnx - 将scikit-learn模型转换为ONNX格式的解决方案
GithubONNXonnxruntimescikit-learnsklearn-onnx开源项目模型转换
sklearn-onnx是一个工具,用于将scikit-learn模型转换为ONNX格式,并使用ONNX Runtime进行高性能评估。所有转换器都经过ONNX Runtime测试,用户还能注册外部转换器转换含外部库模型的scikit-learn管道。项目文档包括教程和常见问题解答,帮助用户快速上手。可通过PyPi或源码安装,支持多种操作系统,以提高机器学习模型性能。
keras-ocr - 基于Keras的开源文本检测和OCR解决方案
Githubkeras-ocr图像处理开源项目文字识别深度学习计算机视觉
keras-ocr是一个开源的文本检测和OCR工具包,集成了CRAFT检测模型和CRNN识别模型。该项目提供高级API用于训练和部署OCR流程,支持Python 3.6+和TensorFlow 2.0.0+环境。keras-ocr自带预训练模型,在COCO-Text验证集上表现接近主流云服务。它为开发者提供了一个灵活、高效且易于使用的OCR开发平台。
pycaret - 开源的低代码Python机器学习库,能够简化和自动化机器学习工作流程
GithubPyCaretPython低代码开源开源项目机器学习
PyCaret是一个开源的低代码Python机器学习库,能够简化和自动化机器学习工作流程。通过减少代码量,PyCaret使实验更高效、更快速。它支持scikit-learn, XGBoost, LightGBM, CatBoost等多种机器学习框架,用户可以通过少量代码完成模型训练、评估和预测。无论是经验丰富的数据科学家,还是对低代码解决方案感兴趣的用户,PyCaret都是理想选择。
scicloj.ml - Clojure机器学习生态系统 强大灵活的数据科学工具
ClojureGithubpipelines开源项目数据处理机器学习模型训练
Scicloj.ml是一个为Clojure语言打造的全面机器学习生态系统。它整合了多个成熟的数据科学库,提供标准化的分类、回归和无监督学习模型接口。该库支持数据驱动的机器学习流水线构建,内置复杂的交叉验证功能,并具备灵活的开放架构,可轻松集成各类ML模型。Scicloj.ml还提供丰富的数据预处理工具,并允许通过回调机制实现实验跟踪,为Clojure开发者提供了强大而灵活的机器学习解决方案。
Keras-TextClassification - 多样预训练模型支持的高效文本分类工具
GithubKeras-TextClassification嵌入式模型开源项目文本分类深度学习神经网络
为中文用户提供高效的文本分类解决方案,支持FastText、BERT、Albert等多种预训练模型,涵盖词、字、句子嵌入。详细介绍数据处理与模型训练流程,通过下载与调用数据,实现多标签分类和文本相似度计算,简化复杂的自然语言处理任务。
awesome-python-data-science - Python数据科学资源集合,详解机器学习与深度学习工具
GithubPython工具库开源项目数据科学机器学习深度学习
该项目收集了全面的Python数据科学资源,包括机器学习、深度学习、自动化机器学习、自然语言处理、计算机视觉、时间序列分析和强化学习等领域的开源库。从通用型机器学习算法到深度学习框架(如PyTorch和TensorFlow),再到特征工程和数据可视化,用户可以找到适用于各种数据分析和建模需求的工具。项目旨在帮助数据科学家和工程师高效选择工具,以提高开发和分析效率。
imbalanced-learn - Python库解决机器学习不平衡数据问题
Githubimbalanced-learnscikit-learn开源项目数据不平衡机器学习重采样技术
imbalanced-learn是一个Python库,专门解决机器学习中的数据不平衡问题。它提供了多种重采样技术,如过采样、欠采样和组合方法,以获得更公平和稳健的模型。该库与scikit-learn完全兼容,使用简单,并提供详细文档和示例。作为scikit-learn-contrib项目的一部分,imbalanced-learn为数据科学家和机器学习工程师提供了处理不平衡数据集的有力工具。
tspiral - 优化时间序列预测的Python工具包
GithubPython包scikit-learntspiral开源项目时间序列预测机器学习
tspiral是一个专注于时间序列预测的Python工具包,提供多种优化技术如递归预测、直接预测、堆叠预测和修正预测。它与scikit-learn兼容,支持全局和多变量时间序列预测,并提供简洁API。tspiral将复杂的时间序列问题转化为表格式监督回归任务,方便用户利用scikit-learn生态系统进行预测分析。
pykale - 改进多模态机器学习的高效绿色解决方案
GithubPyKale多模态学习开源项目机器学习深度学习迁移学习
PyKale通过简化数据、软件和用户之间的连接,使跨学科研究的机器学习更容易访问。它专注于多模态学习和迁移学习,支持图像、视频和图形的数据类型,涵盖深度学习和降维模型。PyKale遵循绿色机器学习理念,通过减少重复、再利用资源和回收学习模型,实现高效和可持续的研究。适用于生物信息学、图像和视频识别及医学成像,利用多源知识做出准确且可解释的预测。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号