benchm-ml
Un benchmark minimo per scalabilità, velocità e accuratezza delle implementazioni open source comunemente utilizzate (pacchetti R, scikit-learn in Python, H2O, xgboost, Spark MLlib, ecc.) dei migliori algoritmi di apprendimento automatico per classificazione binaria (foreste casuali, gradient bo
Esegui test per confrontare la velocità e l'accuratezza di algoritmi di machine learning popolari per compiti di classificazione binaria.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiUn benchmark minimo per scalabilità, velocità e accuratezza delle implementazioni open source comunemente utilizzate (pacchetti R, scikit-learn in Python, H2O, xgboost, Spark MLlib, ecc.) dei migliori algoritmi di apprendimento automatico per classificazione binaria (foreste casuali, gradient bo
benchm-ml ha 1.9k stelle su GitHub. È stato forkato 327 volte. benchm-ml è scritto principalmente in R. È in sviluppo attivo dal 2015. benchm-ml è disponibile con licenza MIT. I suoi temi principali sono: data-science, deep-learning, gradient-boosting-machine, h2o.
Che cos'è benchm-ml?
Un benchmark minimo per scalabilità, velocità e accuratezza delle implementazioni open source comunemente utilizzate (pacchetti R, scikit-learn in Python, H2O, xgboost, Spark MLlib, ecc.) dei migliori algoritmi di apprendimento automatico per classificazione binaria (foreste casuali, gradient bo
benchm-ml è open source?
benchm-ml è un progetto open source. È rilasciato con licenza MIT.
benchm-ml è gratuito?
Sì. benchm-ml è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è benchm-ml?
benchm-ml è disponibile con licenza MIT.
In quale linguaggio è scritto benchm-ml?
benchm-ml è scritto principalmente in R.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/szilard-benchm-ml.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.