1 个仓库
Awesome GitHub RepositoriesStreaming Multi-Source Iterators
Iterators that read data from multiple sources like CSV, SQL, and Pandas, yielding one observation at a time for streaming processing.
Distinct from Multi-Source Ingestion: Distinct from Multi-Source Ingestion: focuses on yielding observations one at a time for online learning, not collecting raw event streams.
Explore 1 awesome GitHub repository matching data & databases · Streaming Multi-Source Iterators. Refine with filters or upvote what's useful.
Awesome Streaming Multi-Source Iterators GitHub Repositories
用 AI 发现最棒的仓库。我们将通过 AI 为您搜索最匹配的仓库。
- online-ml/river
online-ml/river
5,853在 GitHub 上查看River 是一个用于在线机器学习的 Python 框架，旨在对流式数据进行模型训练和评估。它通过一次处理一个观测值来更新模型参数，从而实现增量学习，无需在内存中存储完整的训练数据集。 该库通过专门的概念漂移（Concept Drift）检测系统脱颖而出，该系统监控数据分布的变化以触发模型自适应。它还提供了一个渐进式验证框架，通过在训练前对样本进行测试来模拟实时部署。 该系统涵盖了广泛的流式处理功能，包括实时特征工程、时间序列预测和在线异常检测。它支持通过增量聚类和决策树进行无监督学习，以及用于模型选择的集成聚合和 Bandit 策略。 该项目包括从 CSV 文件和 API 等来源进行流式数据摄取的实用程序，以及用于计算运行统计信息和内存高效数据草图（Data Sketches）的工具。
Iterates over various data formats including CSV, SQL, and live API streams to feed models.
Python
