awesome-repositories.com
Blog
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetÀ proposNotre méthodologiePresseServeur MCP
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

3 dépôts

Awesome GitHub RepositoriesNative Missing Value Handlers

Accepts numerical, categorical, and missing values directly without preprocessing, cleaning, or imputation steps.

Distinct from Missing Data Imputation: Distinct from Missing Data Imputation: does not fill missing values; instead processes them natively without any imputation step.

Explore 3 awesome GitHub repositories matching data & databases · Native Missing Value Handlers. Refine with filters or upvote what's useful.

Awesome Native Missing Value Handlers GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • priorlabs/tabpfnAvatar de PriorLabs

    PriorLabs/TabPFN

    7,408Voir sur GitHub↗

    Handles missing values natively in raw tabular input without requiring any preprocessing or imputation.

    Pythondata-sciencefoundation-modelsmachine-learning
    Voir sur GitHub↗7,408
  • nixtla/neuralforecastAvatar de Nixtla

    Nixtla/neuralforecast

    4,160Voir sur GitHub↗

    Neuralforecast est une bibliothèque de prévision de séries temporelles neuronales conçue pour prédire les valeurs futures pour une ou plusieurs séries en utilisant des architectures d'apprentissage profond. Elle fonctionne comme un framework de prévision d'apprentissage automatique distribué qui permet l'entraînement de modèles globaux à travers plusieurs séries temporelles pour améliorer la généralisation via l'apprentissage croisé. Le projet se distingue comme une boîte à outils de prévision probabiliste qui produit des intervalles d'incertitude et des distributions de probabilité plutôt que des estimations ponctuelles uniques. Il inclut également un réconciliateur de prévisions hiérarchique pour garantir que les prédictions à travers différents niveaux organisationnels ou géographiques restent cohérentes avec leurs totaux agrégés. La bibliothèque couvre une large gamme de capacités, incluant l'intégration de variables exogènes, l'optimisation automatique des hyperparamètres et l'apprentissage par transfert. Elle fournit des outils pour la validation de modèle via la validation croisée et des techniques de fenêtre glissante, ainsi que la capacité de distribuer les charges de travail d'entraînement à travers des clusters de calcul utilisant Spark. Le système prend en charge la persistance des modèles via l'intégration de stockage cloud et fournit des mécanismes pour interpréter les composants de prévision tels que la tendance et la saisonnalité.

    Processes datasets with unobserved entries natively using mask columns without requiring prior imputation.

    Python
    Voir sur GitHub↗4,160
  • xtensor-stack/xtensorAvatar de xtensor-stack

    xtensor-stack/xtensor

    3,748Voir sur GitHub↗

    xtensor is a C++ multidimensional array library for numerical computing that provides N-dimensional containers with an interface mirroring the NumPy API. It utilizes a lazy evaluation expression engine to defer numerical computations until assignment, which minimizes memory allocations and intermediate copies. The library features a foreign memory array adaptor that allows it to wrap external buffers, such as NumPy arrays, to perform numerical operations in-place without duplicating data. It further optimizes performance through lazy broadcasting and a system that manages the lifetime of temp

    Deno-xtensor manages arrays with invalid entries using optional value types to maintain integrity.

    C++c-plus-plus-14multidimensional-arraysnumpy
    Voir sur GitHub↗3,748
  1. Home
  2. Data & Databases
  3. Missing Data Imputation
  4. Native Missing Value Handlers