Ein minimales Benchmark für Skalierbarkeit, Geschwindigkeit und Genauigkeit gängiger Open-Source-Implementierungen (R-Pakete, Python scikit-learn, H2O, xgboost, Spark MLlib usw.) der besten maschinellen Lernalgorithmen für binäre Klassifikation (Zufallswälder, Gradientbo)
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarEin minimales Benchmark für Skalierbarkeit, Geschwindigkeit und Genauigkeit gängiger Open-Source-Implementierungen (R-Pakete, Python scikit-learn, H2O, xgboost, Spark MLlib usw.) der besten maschinellen Lernalgorithmen für binäre Klassifikation (Zufallswälder, Gradientbo)
benchm-ml hat 1.9k Sterne auf GitHub. Es wurde 327-mal geforkt. benchm-ml ist hauptsächlich in R geschrieben. Es wird seit 2015 aktiv entwickelt. benchm-ml ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: data-science, deep-learning, gradient-boosting-machine, h2o.
Ein minimales Benchmark für Skalierbarkeit, Geschwindigkeit und Genauigkeit gängiger Open-Source-Implementierungen (R-Pakete, Python scikit-learn, H2O, xgboost, Spark MLlib usw.) der besten maschinellen Lernalgorithmen für binäre Klassifikation (Zufallswälder, Gradientbo)
benchm-ml ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ja. benchm-ml ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
benchm-ml ist unter der MIT-Lizenz verfügbar.
benchm-ml ist hauptsächlich in R geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://opensourceai.tech/project/szilard-benchm-ml.html)