Home Progetti xlearn
xlearn
C++

xlearn

Pacchetto di machine learning (ML) ad alte prestazioni, facile da usare e scalabile, inclusi modelli lineari (LR), macchine di fattorizzazione (FM) e macchine di fattorizzazione consapevoli del campo (FFM) per Python e interfaccia CLI.

di aksnzhy · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Categoria
Lingua
data-analysisdata-sciencefactorization-machinesApache-2.0C++
Visualizza su GitHub
In parole semplici

Costruisci e applica modelli di machine learning per grandi dataset facilmente con questo pacchetto.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
xlearn — GitHub preview card
📈 Storia delle stelle
3 0943 092
2026-07-072026-08-31
📈 Segui xlearn

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Pacchetto di machine learning (ML) ad alte prestazioni, facile da usare e scalabile, inclusi modelli lineari (LR), macchine di fattorizzazione (FM) e macchine di fattorizzazione consapevoli del campo (FFM) per Python e interfaccia CLI.

xlearn ha 3.1k stelle su GitHub. È stato forkato 515 volte. xlearn è scritto principalmente in C++. È in sviluppo attivo dal 2017. xlearn è disponibile con licenza Apache-2.0. I suoi temi principali sono: data-analysis, data-science, factorization-machines, ffm.

Frequently asked questions

Che cos'è xlearn?

Pacchetto di machine learning (ML) ad alte prestazioni, facile da usare e scalabile, inclusi modelli lineari (LR), macchine di fattorizzazione (FM) e macchine di fattorizzazione consapevoli del campo (FFM) per Python e interfaccia CLI.

xlearn è open source?

xlearn è un progetto open source. È rilasciato con licenza Apache-2.0.

xlearn è gratuito?

Sì. xlearn è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è xlearn?

xlearn è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto xlearn?

xlearn è scritto principalmente in C++.

🏅 Manutentore di questo progetto?
olud.ai badge — xlearn

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=aksnzhy-xlearn)](https://olud.ai/project/aksnzhy-xlearn.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
scikit-learn
scikit-learn: machine learning in Python
66.7k · data-analysis
condividedata-analysisdata-science
imbalanced-learn
Un pacchetto Python per affrontare la maledizione dei dataset sbilanciati nel Machine Learning
7.1k · data-analysis
condividedata-analysisdata-science
DataFrame
DataFrame C++ per analisi statistica, finanziaria e ML in C++ moderno
3k · ai
condividedata-analysisdata-science
mito
Estensioni Jupyter che ti aiutano a scrivere codice più velocemente: AI Chat consapevole del co…
2.6k · ai
condividedata-analysisdata-science
streamlit
Streamlit — Un modo più veloce per costruire e condividere app di dati.
45.3k · data-analysis
condividedata-analysisdata-science
gradio
Costruisci e condividi app di machine learning deliziose, tutto in Python. 🌟 Metti una stella p…
43.2k · data-analysis
condividedata-analysisdata-science
advanced-machine-learning-engineer-roadmap-2024
Una roadmap Full Stack ML (Machine Learning) implica l'apprendimento delle competenze e tecnolo…
702 · aws
condividedata-analysisdata-science
Data-Science-Hacks
Data Science Hacks consiste in suggerimenti e trucchi per aiutarti a diventare un miglior data…
432 · computer-vision
condividedata-analysisdata-science
machine_learning_complete
Un repository completo di machine learning contenente oltre 30 notebook su diversi concetti, al…
5k · computer-vision
condividedata-analysisdata-science
deepnote
Deepnote è un sostituto diretto di Jupyter con un design AI-first, interfaccia elegante, nuovi…
3k · artificial-intelligence
condividedata-analysisdata-science

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.