3 रिपॉजिटरी
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
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- priorlabs/tabpfn
PriorLabs/TabPFN
7,408GitHub पर देखेंHandles missing values natively in raw tabular input without requiring any preprocessing or imputation.
Pythondata-sciencefoundation-modelsmachine-learning - nixtla/neuralforecast
Nixtla/neuralforecast
4,160GitHub पर देखेंNeuralforecast एक न्यूरल टाइम सीरीज़ फोरकास्टिंग लाइब्रेरी है जिसे डीप लर्निंग आर्किटेक्चर का उपयोग करके एक या कई सीरीज़ के लिए भविष्य के मूल्यों की भविष्यवाणी करने के लिए डिज़ाइन किया गया है। यह एक डिस्ट्रीब्यूटेड मशीन लर्निंग फोरकास्टिंग फ्रेमवर्क के रूप में कार्य करता है जो क्रॉस-लर्निंग के माध्यम से सामान्यीकरण (generalization) में सुधार करने के लिए कई टाइम सीरीज़ में ग्लोबल मॉडल्स के प्रशिक्षण को सक्षम बनाता है। यह प्रोजेक्ट एक संभाव्य (probabilistic) फोरकास्टिंग टूलकिट के रूप में खुद को अलग करता है जो एकल बिंदु अनुमानों के बजाय अनिश्चितता अंतराल और संभाव्यता वितरण उत्पन्न करता है। इसमें विभिन्न संगठनात्मक या भौगोलिक स्तरों पर भविष्यवाणियों को उनके कुल योग के साथ सुसंगत बनाए रखने के लिए एक पदानुक्रमित फोरकास्ट रिकॉन्सिलर भी शामिल है। यह लाइब्रेरी क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है, जिसमें एक्सोजेनस वेरिएबल्स का एकीकरण, स्वचालित हाइपरपैरामीटर ऑप्टिमाइज़ेशन और ट्रांसफर लर्निंग शामिल है। यह क्रॉस-वैलिडेशन और स्लाइडिंग विंडो तकनीकों के माध्यम से मॉडल सत्यापन के लिए टूल प्रदान करती है, साथ ही Spark का उपयोग करके कंप्यूट क्लस्टर में प्रशिक्षण वर्कफ़्लो वितरित करने की क्षमता भी प्रदान करती है। यह सिस्टम क्लाउड स्टोरेज एकीकरण के माध्यम से मॉडल पर्सिस्टेंस का समर्थन करता है और ट्रेंड और सीज़नैलिटी जैसे फोरकास्ट घटकों की व्याख्या करने के लिए तंत्र प्रदान करता है।
Processes datasets with unobserved entries natively using mask columns without requiring prior imputation.
Python - xtensor-stack/xtensor
xtensor-stack/xtensor
3,748GitHub पर देखेंxtensor 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
