meerkat

打开数据黑盒，几行代码交互式检查训练集，快速定位模型翻车原因。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 43 🐛 待处理 11 👀 关注 12

GitHub ↗

GitHub 星标 ★ 856

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类开源模型

开发团队HazyResearch

GitHubhttps://github.com/HazyResearch/meerkat

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型data-science,foundation-models,machine-learning,ml,pandas

GitHub 星标★ 856

上线时间2021-05-07 00:00:00

代码更新2024-12-24

仓库体积68.1 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数9

项目介绍

Meerkat 是一个用于探索和理解机器学习训练与验证数据的开源工具。它解决了深度学习项目中数据质量难以直观检查、样本分布不透明、错误分析繁琐等问题。核心能力包括：提供交互式数据面板，支持对图像、文本等模态的数据进行快速浏览与筛选；集成模型预测结果，帮助用户对比预测与真实标签，定位模型失败案例；支持数据切片与统计摘要，便于发现数据偏差或标注错误。其设计强调轻量级和易用性，适合在模型开发迭代中快速进行数据审计。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 856

技术标签

data-science foundation-models machine-learning ml pandas

使用教程

难度：入门约 10 分钟部署方式：命令行安装 4 步

环境要求

Python 3.9+

安装与启动步骤

1安装

一个包提供 DataFrame 式的数据查看能力。
```
pip install meerkat-ml
```
2加载数据

支持 pandas、图片目录与 HuggingFace 数据集。
```
import meerkat as mk
df = mk.read_csv('data.csv')
```
3起交互界面

在 notebook 里直接渲染成可点的表格。
```
df
```
4按需切片

用过滤器做子集，再画图或存回。
```
sub = df[df['label'] == 'cat']
```