Accueil Projets imbalanced-learn
imbalanced-learn
Python

imbalanced-learn

Un package Python pour s'attaquer à la malédiction des ensembles de données déséquilibrés en apprentissage automatique

par scikit-learn-contrib · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
data-analysisdata-sciencemachine-learningMITPython
Voir sur GitHub
En termes simples

Appliquez des techniques pour équilibrer les ensembles de données pour de meilleurs résultats en apprentissage automatique.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
imbalanced-learn — GitHub preview card
📈 Historique des étoiles
7 1147 107
2026-07-042026-08-31
📈 Suivez imbalanced-learn

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Un package Python pour s'attaquer à la malédiction des ensembles de données déséquilibrés en apprentissage automatique

imbalanced-learn compte 7.1k étoiles sur GitHub. Il a été forké 1.3k fois. imbalanced-learn est écrit principalement en Python. Il est développé activement depuis 2014. imbalanced-learn est disponible sous licence MIT. Ses principaux thèmes sont : data-analysis, data-science, machine-learning, python.

Frequently asked questions

Qu'est-ce que imbalanced-learn ?

Un package Python pour s'attaquer à la malédiction des ensembles de données déséquilibrés en apprentissage automatique

imbalanced-learn est-il open source ?

imbalanced-learn est un projet open source. Il est distribué sous licence MIT.

imbalanced-learn est-il gratuit ?

Oui. imbalanced-learn est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est imbalanced-learn ?

imbalanced-learn est disponible sous licence MIT.

Dans quel langage imbalanced-learn est-il écrit ?

imbalanced-learn est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — imbalanced-learn

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=scikit-learn-contrib-imbalanced-learn)](https://olud.ai/project/scikit-learn-contrib-imbalanced-learn.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
scikit-learn
scikit-learn : apprentissage automatique en Python
66.7k · data-analysis
partagedata-analysisdata-science
DataFrame
DataFrame C++ pour l'analyse statistique, financière et ML en C++ moderne
3k · ai
partagedata-analysisdata-science
mito
Extensions Jupyter qui vous aident à écrire du code plus rapidement : Chat IA conscient du cont…
2.6k · ai
partagedata-analysisdata-science
streamlit
Streamlit — Une manière plus rapide de créer et partager des applications de données.
45.3k · data-analysis
partagedata-analysisdata-science
gradio
Créez et partagez des applications d'apprentissage automatique agréables, le tout en Python. 🌟…
43.2k · data-analysis
partagedata-analysisdata-science
advanced-machine-learning-engineer-roadmap-2024
Une feuille de route Full Stack ML (Machine Learning) implique l'apprentissage des compétences…
702 · aws
partagedata-analysisdata-science
Data-Science-Hacks
Data Science Hacks consiste en des astuces et conseils pour vous aider à devenir un meilleur da…
432 · computer-vision
partagedata-analysisdata-science
machine_learning_complete
Un dépôt complet d'apprentissage automatique contenant plus de 30 notebooks sur différents conc…
5k · computer-vision
partagedata-analysisdata-science
deepnote
Deepnote est un remplacement direct pour Jupyter avec un design axé sur l'IA, une interface élé…
3k · artificial-intelligence
partagedata-analysisdata-science
best-of-ml-python
🏆 Une liste classée des bibliothèques Python d'apprentissage automatique incroyables. Mise à jo…
23.7k · automl
partagedata-analysisdata-science

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.