Logo
Project Icon

MAPIE

开源机器学习不确定性量化与风险控制库

MAPIE机器学习不确定性量化保证覆盖率预测区间Github开源项目

MAPIE是一个开源Python库，用于量化机器学习模型的不确定性和控制风险。它计算可控覆盖率的置信预测区间，适用于回归、分类和时间序列分析。MAPIE还可控制多标签分类和语义分割等复杂任务的风险。该库兼容各类模型，遵循scikit-learn API，基于同行评审算法提供理论保证。MAPIE仅依赖scikit-learn和numpy，支持Python 3.7及以上版本。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
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。
mlforecast - 高性能可扩展的机器学习时间序列预测框架
GithubMLForecast分布式训练开源项目时间序列预测机器学习特征工程
mlforecast是一个基于机器学习模型的时间序列预测框架,具有高效的特征工程实现和良好的可扩展性。该框架支持pandas、polars、spark等多种数据格式,兼容sklearn API,能够处理海量数据。除了支持概率预测和外生变量,mlforecast还提供分布式训练功能,适用于大规模生产环境的时间序列预测任务。框架采用熟悉的fit和predict接口,便于快速上手和集成到现有项目中。
mathy - 机器学习与规划算法实现数学问题的阶段性解答
GithubMathyPython库开源项目数学问题求解机器学习规划算法
Mathy是一个开源的数学问题解决工具，通过结合机器学习和规划算法，实现复杂数学问题的阶段性解答。项目包含核心解析器、基础规则和强化学习环境，为数学教育和研究提供支持。Mathy提供丰富的文档和可视化资源，支持在Google Colab中直接执行示例，方便用户学习和使用。它可应用于数学教学、自动化问题求解和算法研究等多个领域。
bayesian-torch - 贝叶斯神经网络层和不确定性估计的PyTorch扩展库
Bayesian-TorchGithubPyTorch不确定性估计变分推断开源项目深度学习
Bayesian-Torch是PyTorch的扩展库，用于在深度学习模型中实现贝叶斯推理和不确定性估计。它提供贝叶斯层，支持将确定性神经网络转换为贝叶斯形式。库包含变分推理、MOPED、量化和AvUC损失等功能，适用于不确定性感知应用。研究人员和开发者可利用Bayesian-Torch构建更可靠、可解释的AI模型。
MachineLearningWithMe - 全面深入的机器学习算法实践教程
Github人工智能开源项目数据分析机器学习模型算法
MachineLearningWithMe是一个系统化的机器学习教程项目，内容涵盖从环境配置到高级算法的多个方面。项目详细讲解并实现了线性回归、逻辑回归、K近邻、朴素贝叶斯、决策树、支持向量机、聚类和降维等核心算法。特别强调动手实践，指导读者从零开始实现各类算法，并提供泰坦尼克号生还预测等实际案例。此外还包括模型评估、特征工程和集成学习等进阶内容，适合初学到中级水平的学习者深入探索机器学习领域。
MEEE - 模型集成探索与利用强化学习算法
GithubMEEEMuJoCo代码复现开源项目强化学习模型集成
MEEE是一个开源项目，提出了基于模型集成的探索与利用方法，旨在提高强化学习的样本效率。该项目基于MBPO代码库开发，实现了相关论文中的实验。MEEE提供了详细的安装说明、使用指南和日志记录方法，支持在MuJoCo环境中进行实验。通过创新的模型集成策略，MEEE平衡了探索和利用，有效提升了强化学习算法的性能和效率。
nannyml - 部署后模型性能估算和数据漂移检测
GithubNannyMLPCA开源项目数据漂移检测无目标模型性能估计
NannyML是一个开源的Python库，专为数据科学家设计，能够在没有目标数据的情况下估算模型的部署后性能，并检测数据漂移。它能将数据漂移警报与模型性能变化智能关联。NannyML支持所有表格数据、分类和回归模型，拥有简单易用的界面和互动式可视化功能。通过NannyML，用户可以监控模型性能、分析数据漂移、找到模型性能下降的根本原因，并避免不必要的警报干扰，轻松完成环境集成和配置。
pyprobml - 提供Python 3代码，用于复现《概率机器学习：入门》和《概率机器学习：高级主题》书中的图表
GithubPythonnotebookspyprobml图像重现开源项目机器学习
pyprobml项目提供Python 3代码，用于复现《概率机器学习：入门》和《概率机器学习：高级主题》书中的图表。该项目采用numpy、scipy、matplotlib、sklearn等标准库，以及JAX、Tensorflow和Torch等深度学习框架。用户可在本地运行或通过Colab使用，适合需要高性能计算的用户也支持Google Cloud Platform。本项目目前处于维护模式，有意贡献者可查看项目官网的贡献指南。
QuantResearch - 定量分析、策略和回测
GithubQuantResearch开源项目投资组合优化时间序列预测机器学习深度强化学习
该项目提供丰富的量化研究资源，涵盖策略回测、机器学习和深度强化学习应用，以及实盘交易演示。资源内容包括投资组合优化、风险值评估、线性回归（经典、贝叶斯、MCMC、卡尔曼滤波、Tensorflow）、均值回归、协整对冲交易、隐马尔科夫链、RNN股票预测、主成分分析、ARIMA和GARCH模型、Fama-French三因子模型等。此外，项目还提供在线资源和教程，帮助用户深入理解和应用量化研究技术。
EconML - Python因果推断库 基于机器学习的异质性效应估计
EconMLGithubPython因果推断开源项目异质性处理效应机器学习
EconML是一个Python库,结合机器学习和计量经济学方法,用于从观测数据中估计异质性治疗效应。该库支持多种建模技术,可捕捉效应异质性并保持因果解释,同时提供置信区间。EconML基于标准Python数据科学生态系统构建,为复杂的因果推断问题提供统一的API和自动化解决方案。
相关项目
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
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