2 مستودعات
Awesome GitHub RepositoriesFeature Distribution Analysis
Exploratory data analysis techniques used to visualize and understand the statistical properties of input features.
Distinct from Dataset Distribution Analyzers: The candidates focus on system performance or object detection distributions, not general ML feature analysis.
Explore 2 awesome GitHub repositories matching data & databases · Feature Distribution Analysis. Refine with filters or upvote what's useful.
Awesome Feature Distribution Analysis GitHub Repositories
اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
- lyhue1991/eat_tensorflow2_in_30_days
lyhue1991/eat_tensorflow2_in_30_days
9,933عرض على GitHubThis project is a structured learning curriculum and technical reference for mastering deep learning with TensorFlow. It provides a comprehensive guide for building, training, and deploying neural networks, combining theoretical fundamentals with practical implementation examples. The repository distinguishes itself by covering the end-to-end machine learning workflow, from low-level tensor mathematics and linear algebra to the creation of complex model architectures. It includes specific guidance on developing data pipelines for diverse data types, such as images, text, and time-series seque
Performs exploratory data analysis using charts to understand feature distributions and correlations.
Pythontensorflowtensorflow-examplestensorflow-tutorial - thuml/transfer-learning-library
thuml/Transfer-Learning-Library
3,917عرض على GitHubهذا المشروع هو مكتبة شاملة للتعلم بنقل المعرفة وتكييف النطاق (Domain adaptation) في رؤية الحاسوب. يعمل كإطار عمل لمحاذاة توزيعات الميزات بين مجموعات البيانات المصدر والمستهدفة، ومجموعة أدوات لتعميم النطاق، ومكتبة للتعلم شبه الخاضع للإشراف باستخدام مجموعات بيانات صغيرة مصنفة ومجموعات كبيرة غير مصنفة. توفر المكتبة قدرات متخصصة لتكييف النطاق غير الخاضع للإشراف، بما في ذلك استخدام الشبكات التنافسية، والمعماريات القائمة على التناقض، والترجمة من صورة إلى صورة لتقليل عدم تطابق التوزيع. كما تتضمن أدوات لتعميم النطاق لضمان موثوقية النموذج عبر نطاقات مستهدفة غير مرئية من خلال خلط الأنماط وتقليل المخاطر الثابتة. يغطي المشروع سطح قدرات واسع بما في ذلك تكييف المهام والضبط الدقيق مع التنظيم المتخصص، والتدريب شبه الخاضع للإشراف عبر التصنيف الزائف وتعلم الاتساق، واختيار نموذج التعلم بنقل المعرفة باستخدام مقاييس القابلية للنقل. كما يتضمن مديراً لمجموعات البيانات لأتمتة الحصول على معايير الرؤية الموحدة وإعدادها. تتضمن المكتبة أدوات للمراقبة، مثل تصورات t-SNE ومقاييس A-distance لتحليل توزيعات الميزات وتناقض النطاق.
Visualizes latent representations from different domains to evaluate feature distribution alignment.
Python
