xlearn
Package d'apprentissage automatique (ML) haute performance, facile à utiliser et évolutif, incluant un modèle linéaire (LR), des machines de factorisation (FM) et des machines de factorisation sensibles au champ (FFM) pour Python et interface CLI.
Construisez et appliquez des modèles d'apprentissage automatique pour de grands ensembles de données facilement avec ce package.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentPackage d'apprentissage automatique (ML) haute performance, facile à utiliser et évolutif, incluant un modèle linéaire (LR), des machines de factorisation (FM) et des machines de factorisation sensibles au champ (FFM) pour Python et interface CLI.
xlearn compte 3.1k étoiles sur GitHub. Il a été forké 515 fois. xlearn est écrit principalement en C++. Il est développé activement depuis 2017. xlearn est disponible sous licence Apache-2.0. Ses principaux thèmes sont : data-analysis, data-science, factorization-machines, ffm.
Qu'est-ce que xlearn ?
Package d'apprentissage automatique (ML) haute performance, facile à utiliser et évolutif, incluant un modèle linéaire (LR), des machines de factorisation (FM) et des machines de factorisation sensibles au champ (FFM) pour Python et interface CLI.
xlearn est-il open source ?
xlearn est un projet open source. Il est distribué sous licence Apache-2.0.
xlearn est-il gratuit ?
Oui. xlearn est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est xlearn ?
xlearn est disponible sous licence Apache-2.0.
Dans quel langage xlearn est-il écrit ?
xlearn est écrit principalement en C++.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/aksnzhy-xlearn.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.