2 रिपॉजिटरी
Awesome GitHub RepositoriesStreaming Preprocessing Pipelines
Pipelines that scale, encode, and transform streaming data features incrementally before model training.
Distinct from Data Preprocessing Pipelines: Distinct from Data Preprocessing Pipelines: operates on streaming data incrementally rather than batch processing.
Explore 2 awesome GitHub repositories matching data & databases · Streaming Preprocessing Pipelines. Refine with filters or upvote what's useful.
Awesome Streaming Preprocessing Pipelines GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- rasbt/python-machine-learning-book
rasbt/python-machine-learning-book
12,614GitHub पर देखेंThis project is an educational resource providing practical code examples and implementations of machine learning algorithms using the Python language. It serves as a guide for constructing predictive pipelines, clustering models, and dimensionality reduction within the Scikit-Learn ecosystem. The repository includes comprehensive demonstrations for supervised and unsupervised learning, as well as detailed examples for implementing neural networks and deep architectures. It also provides practical guidance on exporting model parameters to JSON and wrapping trained models in web APIs for produ
Provides implementations of pipelines that sequence data preprocessing and estimator steps into a single workflow.
Jupyter Notebook - online-ml/river
online-ml/river
5,853GitHub पर देखेंRiver ऑनलाइन मशीन लर्निंग के लिए एक Python फ़्रेमवर्क है, जिसे स्ट्रीमिंग डेटा पर मॉडल को ट्रेन और इवैल्यूएट करने के लिए डिज़ाइन किया गया है। यह एक बार में एक ऑब्ज़र्वेशन के साथ मॉडल पैरामीटर्स को अपडेट करके इंक्रीमेंटल लर्निंग को सक्षम बनाता है, जिससे मेमोरी में पूर्ण ट्रेनिंग डेटासेट को स्टोर करने की आवश्यकता समाप्त हो जाती है। यह लाइब्रेरी एक डेडिकेटेड कॉन्सेप्ट ड्रिफ्ट डिटेक्शन सिस्टम के माध्यम से खुद को अलग करती है जो मॉडल एडॉप्टेशन को ट्रिगर करने के लिए डेटा वितरण में परिवर्तनों की निगरानी करता है। यह एक प्रोग्रेसिव वैलिडेशन फ़्रेमवर्क भी प्रदान करती है जो ट्रेनिंग के लिए उपयोग करने से पहले सैंपल्स पर मॉडल का परीक्षण करके रीयल-टाइम डिप्लॉयमेंट को सिम्युलेट करता है। यह सिस्टम रीयल-टाइम फ़ीचर इंजीनियरिंग, टाइम सीरीज़ फ़ोरकास्टिंग और ऑनलाइन एनोमली डिटेक्शन सहित स्ट्रीमिंग क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। यह इंक्रीमेंटल क्लस्टरिंग और डिसीजन ट्री के माध्यम से अनसुपरवाइज़्ड लर्निंग, साथ ही मॉडल चयन के लिए एन्सेम्बल एग्रीगेशन और बैंडिट नीतियों का समर्थन करता है। इस प्रोजेक्ट में CSV फ़ाइलों और API जैसे स्रोतों से स्ट्रीमिंग डेटा इनजेशन के लिए यूटिलिटीज़, साथ ही रनिंग आँकड़ों और मेमोरी-कुशल डेटा स्केच की गणना करने के लिए टूल शामिल हैं।
Chains preprocessing and estimation steps into sequential workflows for transforming raw streaming features.
Python
