tidymodels/recipes

Pipeable steps for feature engineering and data preprocessing to prepare for modeling

解決する課題

機械学習モデルの特徴量エンジニアリングとデータ前処理を標準的かつパイプ可能な方法で実行し、設計行列を作成するための従来のR数式メソッドの限界を克服します。

ユーザーは一連のステップ（例：step_normalize）を使用して「レシピ」を定義し、予測子と結果がどのように変換されるべきかを指定します。これらのステップはデータに適用され、モデリングや可視化の準備を行います。

機械学習用のデータ準備に構造化されたアプローチを必要とする、R言語を使用するデータサイエンティストやアナリスト。

プロジェクト
kedro-org/kedro
ソフトウェアエンジニアリングのベストプラクティスを活用して、本番環境対応のデータエンジニアリングおよびデータサイエンスパイプラインを構築するためのPythonフレームワーク。
プロジェクト
tidymodels/tune
tidymodelsエコシステム用のRパッケージで、機械学習モデルのハイパーパラメータチューニングを支援します。
プロジェクト
Pipelex/pipelex
複数のLLMプロバイダーにまたがる再利用可能で型付きのAI手順（Methods）を構築・実行するためのフレームワーク。宣言型かつ再現可能なAIパイプラインを実現します。
プロジェクト
terrier-org/pyterrier
スパースおよび密度型リトリーブ、ニューラル再ランク、RAGユースケースをサポートする、情報検索パイプラインの構築と評価のためのフレームワーク。
プロジェクト
facebookresearch/recipes
繰り返しの「グルーコード」を回避するための、プロダクション対応で再現可能な一般的なタスク用の深層学習トレーニングレシピのライブラリ。