upgini

一键搜索外部数据，自动增强 ML 特征，提升模型精度

开源 🏷️基础免费，高级付费 ✅ 目前可打开 对话助手 🍴 复刻 28 🐛 待处理 1 👀 关注 8
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 361
维护状态 较活跃
是否开源 开源
定价模式 🏷️基础免费，高级付费 支持限时试用 · 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。

项目预览

upgini 项目界面预览图
图片来源：项目官网

项目数据

分类对话助手
开发团队upgini
官网地址https://upgini.com
GitHubhttps://github.com/upgini/upgini
定价模式🏷️基础免费，高级付费
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✅ 目前可打开
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★ 361
上线时间2021-12-08 00:00:00
代码更新2026-11-02
仓库体积169.7 MB
本站数据更新2026-11-10
维护状态较活跃
收录时间2026-08-09
浏览次数6

项目介绍

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。

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 ★ 361

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

上一篇：sexting-dataset

下一篇：awesome-instruction-datasets

同类项目推荐

VeriInk 开源

可验证手写合成数据，让模型改进有据可查

Verifiable handwriting synthesis for feedback-driven model improvement and RSI resea···

★ 290 2026-10-30
address 开源

用真实开放数据一键生成27国测试地址

A self-hosted address and synthetic test-profile generator for 27 countries and regi···

★ 2293 2026-10-20
dbldatagen 开源

在 Databricks 上快速生成大规模仿真测试数据

Generate relevant synthetic data quickly for your projects. The Databricks Labs syn···

★ 507 2026-08-10
labelme 开源

手动图像标注，快速生成训练数据集

Image annotation with Python. Supports polygon, rectangle, circle, line, point, and ···

★ 16307 2026-08-10
palestine-datasets 开源

调用伤亡数据 API，用姓名和数字还原真实故事

The human toll of Israel's ongoing genocide in names & numbers. Use the data from ou···

★ 411 2026-09-21
open-data-registry 开源

一键发现并定位 AWS 上的公开数据集

A registry of publicly available datasets on AWS

★ 1832 2026-09-21
Mol-Instructions 开源

用大规模指令数据，让大模型精通生物分子任务

[ICLR 2024] Mol-Instructions: A Large-Scale Biomolecular Instruction Dataset for Lar···

★ 295 2026-08-09
curator 开源

把杂乱合成数据变成高质量训练集，提升模型后训练效果。

Synthetic data curation for post-training and structured data extraction

★ 1764 2026-08-09