1 रिपॉजिटरी
Awesome GitHub RepositoriesModel Parameter Visualizations
Tools for graphically representing learned model weights and internal parameters to interpret model behavior.
Distinct from Model Parameters: Closest candidate [f0_mt1] refers to configuration settings for LLMs, not the visualization of learned statistical parameters in time series models.
Explore 1 awesome GitHub repository matching artificial intelligence & ml · Model Parameter Visualizations. Refine with filters or upvote what's useful.
Awesome Model Parameter Visualizations GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- ourownstory/neural_prophet
ourownstory/neural_prophet
4,284GitHub पर देखेंNeural Prophet एक PyTorch-आधारित टाइम सीरीज़ फ़ोरकास्टिंग लाइब्रेरी है जिसे व्याख्या योग्य मशीन लर्निंग के लिए डिज़ाइन किया गया है। यह एक अपघटन फ्रेमवर्क के रूप में कार्य करता है जो भविष्य के मानों की भविष्यवाणी करने के लिए संकेतों को ऑटोरिग्रैसिव प्रभाव, पीसवाइज़ लीनियर ट्रेंड्स, और फ़ूरियर-आधारित सीज़नैलिटी जैसे घटक भागों में तोड़ता है। यह प्रोजेक्ट पारंपरिक एल्गोरिदम के साथ न्यूरल नेटवर्क को जोड़कर ऐसे पूर्वानुमान उत्पन्न करने के लिए खुद को अलग करता है जो अंतर्निहित ट्रेंड ड्राइवरों की व्याख्या करते हैं। इसमें एक ग्लोबल टाइम सीरीज़ मॉडलिंग दृष्टिकोण है, जो एक एकल मॉडल को स्थानीय विशिष्टताओं को बनाए रखते हुए सीखे गए पैटर्न को साझा करने के लिए कई एक साथ सीरीज़ में प्रशिक्षित करने की अनुमति देता है। इसके अतिरिक्त, यह क्वांटाइल रिग्रेशन और कन्फ़ॉर्मल प्रेडिक्शन का उपयोग करके विश्वसनीय पूर्वानुमान अंतराल उत्पन्न करने के लिए एक अनिश्चितता परिमाणीकरण टूल के रूप में कार्य करता है। लाइब्रेरी डेटा प्रबंधन के लिए क्षमताओं का एक व्यापक सूट प्रदान करती है, जिसमें हॉलिडे रिट्रीवल, गैप फिलिंग, और सामान्यीकरण शामिल है। यह ऑटोमेटेड हाइपरपैरामीटर अनुकूलन, ट्रेंड चेंजपॉइंट डिटेक्शन, और भविष्य और लैग्ड रिग्रेशर्स दोनों के एकीकरण के साथ पूर्ण मॉडलिंग लाइफसाइकिल को कवर करती है। विश्लेषण का समर्थन पूर्वानुमान अपघटन और इनपुट एट्रिब्यूशन के माध्यम से किया जाता है ताकि यह देखा जा सके कि विशिष्ट कारक अंतिम भविष्यवाणियों को कैसे प्रभावित करते हैं।
Deno-style generation of plots of seasonal components and learned parameters to interpret time-based patterns.
Pythonartificial-intelligenceautoregressiondeep-learning
