Inicio Proyectos feature_engine
feature_engine
Python

feature_engine

Biblioteca de Python de código abierto para ingeniería y selección de características compatible con sklearn.

por feature-engine · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
data-sciencefeature-engineeringfeature-extractionBSD-3-ClausePython
Ver en GitHub
En palabras simples

Utiliza una biblioteca para crear y seleccionar características para tus proyectos de aprendizaje automático fácilmente.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
feature_engine — GitHub preview card
📈 Historial de estrellas
2.26k2.25k
2026-07-072026-08-31
📈 Sigue feature_engine

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Biblioteca de Python de código abierto para ingeniería y selección de características compatible con sklearn.

feature_engine tiene 2.3k estrellas en GitHub. Se ha bifurcado 347 veces. feature_engine está escrito principalmente en Python. Se desarrolla activamente desde 2018. feature_engine está disponible bajo la licencia BSD-3-Clause. Sus temas principales son: data-science, feature-engineering, feature-extraction, feature-selection.

Frequently asked questions

¿Qué es feature_engine?

Biblioteca de Python de código abierto para ingeniería y selección de características compatible con sklearn.

¿feature_engine es de código abierto?

feature_engine es un proyecto de código abierto. Se distribuye bajo la licencia BSD-3-Clause.

¿feature_engine es gratis?

Sí. feature_engine es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está feature_engine?

feature_engine está disponible bajo la licencia BSD-3-Clause.

¿En qué lenguaje está escrito feature_engine?

feature_engine está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — feature_engine

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=feature-engine-feature-engine)](https://olud.ai/project/feature-engine-feature-engine.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
feature-engineering-and-feature-selection
Una Guía para la Ingeniería de Características y Selección de Características, con implementaci…
1.7k · data-mining
compartefeature-selectionfeature-engineering
tsflex
Extracción y procesamiento de características de series temporales flexibles
443 · data-science
compartefeature-engineeringfeature-extraction
SGX-Full-OrderBook-Tick-Data-Trading-Strategy
Proporcionando soluciones para estrategias de trading de alta frecuencia (HFT) utilizando enfoq…
2.3k · algorithmic-trading
compartefeature-selectionfeature-engineering
Deep_Learning_Machine_Learning_Stock
Las acciones de aprendizaje profundo y aprendizaje automático representan oportunidades promete…
1.8k · algorithms
compartefeature-engineeringdata-science
OpenMLDB
OpenMLDB es una base de datos de aprendizaje automático de código abierto que proporciona una p…
1.7k · database-for-ai
compartefeature-engineeringfeature-extraction
Book6_First-Course-in-Data-Science
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!
2.7k · data
compartefeature-engineeringdata-science
upgini
Biblioteca de búsqueda y enriquecimiento de datos para Machine Learning → Encuentra y añade fác…
356 · automated-feature-engineering
compartefeature-selectionfeature-engineering
fe4ml-zh
:book: [Traducción] Ingeniería de características para aprendizaje automático
2.6k · book
compartefeature-engineering
popsift
PopSift es una implementación del algoritmo SIFT en CUDA.
498 · computer-vision
compartefeature-extraction
data-science-complete-tutorial
Para un aprendizaje extenso guiado por instructores
1.8k · decision-trees
compartefeature-selection

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.