upgini 是数据集领域的开源项目，由 upgini 开发，2021 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 358。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。提供免费额度，高级数据源和功能需付费订阅，具体价格见官网。从国内网络环境看，可直接访问。
它主要面向的使用场景是：金融风控模型需要补充外部信用或行为数据。同类可对比的替代方案包括 Featuretools、tsfresh、AutoFeat。
upgini
一键搜索外部数据，自动增强 ML 特征，提升模型精度
upgini 是一个面向机器学习的数据搜索与增强库，旨在帮助数据科学家快速从数百个公共和商业外部数据源（包括开放及商业大语言模型）中查找并添加相关特征到 ML/AI 流水线。它解决了特征工程中数据来源单一、特征发现耗时的问题，通过自动化特征工程和 AutoML 管道集成，支持与主流 ML 框架无缝对接。核心能力包括智能数据源检索、特征相关性评估、自动特征生成，以及利用 LLM 进行语义搜索和特征建议。项目处于早期阶段，但已提供 Python 接口，适合需要丰富外部数据提升模型性能的团队。
开源
freemium
对话助手
GitHub 星标
★ 358
维护状态
活跃
是否开源
是
定价模式
freemium
项目数据
分类对话助手
开发团队upgini
所属国家
定价模式freemium
价格说明提供免费额度，高级数据源和功能需付费订阅，具体价格见官网。
访问状态
是否开源是
开源协议BSD-3-Clause
主要语言Python
技术栈/模型automated-feature-engineering,automl,automl-pipeline,chatgpt,data-enrichment,data-science,feature-engineering,feature-extraction,feature-selection,features,kaggle,kaggle-solution,large-language-models,llm,machine-learning,open-data,open-datasets,public-data,python-library,scikit-learn
GitHub 星标★ 358
30天Star增速
HF 下载量
上线时间2021-12-08 00:00:00
最近更新2026-09-23 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5
使用教程
核心亮点
- 集成数百个公共和商业数据源，包括 LLM，特征来源丰富
- 自动化特征工程与 AutoML 管道无缝集成，减少手动特征筛选
- 提供特征相关性评估，帮助用户筛选高价值特征
不足之处
- 项目早期，星标数少，社区生态和文档成熟度待观察
- 依赖外部数据源，部分商业数据源可能需要付费或授权
适用场景
- 金融风控模型需要补充外部信用或行为数据
- 电商推荐系统利用外部趋势数据提升个性化效果
- 物联网预测维护结合天气等外部环境特征
替代项目
Featuretools、tsfresh、AutoFeat
项目介绍
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models