pattern_classification
Une collection de tutoriels et d'exemples pour résoudre et comprendre les tâches d'apprentissage automatique et de classification de motifs.
Apprenez le machine learning et la classification de motifs à travers des tutoriels et des exemples qui vous guident étape par étape.
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 momentUne collection de tutoriels et d'exemples pour résoudre et comprendre les tâches d'apprentissage automatique et de classification de motifs.
pattern_classification compte 4.2k étoiles sur GitHub. Il a été forké 1.3k fois. pattern_classification est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2014. pattern_classification est disponible sous licence GPL-3.0. Ses principaux thèmes sont : machine-learning, machine-learning-algorithms, pattern-classification.
Qu'est-ce que pattern_classification ?
Une collection de tutoriels et d'exemples pour résoudre et comprendre les tâches d'apprentissage automatique et de classification de motifs.
pattern_classification est-il open source ?
pattern_classification est un projet open source. Il est distribué sous licence GPL-3.0.
pattern_classification est-il gratuit ?
Oui. pattern_classification est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même. Sa licence GPL-3.0 est copyleft : toute version modifiée que vous distribuez doit rester sous la même licence.
Sous quelle licence est pattern_classification ?
pattern_classification est disponible sous licence GPL-3.0.
Dans quel langage pattern_classification est-il écrit ?
pattern_classification est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/rasbt-pattern-classification.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.