#decision-trees Repositories
Entdecke 14 aktive Open-Source-GitHub-Repositories, die mit #decision-trees getaggt sind und insgesamt 58,478 Sterne gesammelt haben (durchschnittlich 4,177 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist lightgbm-org/LightGBM mit 18,995 Sternen.
Insgesamt 14 Repositories
Ein schnelles, verteiltes, hochperformantes Gradient-Boosting-Framework (GBT, GBDT, GBRT, GBM oder MART) basierend auf Decision-Tree-Algorithmen, das für Ranking, Klassifikation und viele andere Machine-Learning-Aufgaben verwendet wird.
Eine schnelle, skalierbare, hochperformante Gradient Boosting on Decision Trees Bibliothek, die für Ranking, Klassifikation, Regression und andere Machine-Learning-Aufgaben für Python, R, Java, C++ verwendet wird. Unterstützt Berechnungen auf CPU und GPU.
Enthält Lösungen und Notizen für die Spezialisierung auf maschinelles Lernen von der Stanford University und Deeplearning.ai - Coursera (2022) von Prof. Andrew NG
Eine Python-Bibliothek für die Visualisierung von Entscheidungsbäumen und die Modellinterpretation.
Universelles Modellaustausch- und Serialisierungsformat für Entscheidungsbaumwälder
Eine Sammlung von Algorithmen auf dem neuesten Stand der Technik für das Training, die Bereitstellung und die Interpretation von Decision Forest-Modellen in Keras.
Ollama für klassische ML-Modelle. AOT-Compiler, der XGBoost, LightGBM, scikit-learn, CatBoost & ONNX-Modelle in nativen C99-Inferenzcode umwandelt. Ein Befehl zum Laden, ein Befehl zum Servieren. 336x schneller als Python-Inferenz.
Eine Bibliothek zum Trainieren, Bewerten, Interpretieren und Produzieren von Entscheidungsforstmodellen wie Random Forest und Gradient Boosted Decision Trees.
Häufig gestellte Fragen
Welches ist das beliebteste #decision-trees-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#decision-trees-Projekt auf GitHub ist lightgbm-org/LightGBM mit 18,995 Sternen. Ein schnelles, verteiltes, hochperformantes Gradient-Boosting-Framework (GBT, GBDT, GBRT, GBM oder MART) basierend auf Decision-Tree-Algorithmen, das für Ranking, Klassifikation und viele andere Machine-Learning-Aufgaben verwendet wird.
Welche Programmiersprachen werden in #decision-trees-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #decision-trees-Projekten auf GitHub sind Jupyter Notebook, C++, Python, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #decision-trees-Repositories berechnet?
Wir verfolgen 14 aktive Open-Source-Repositories, die mit #decision-trees getaggt sind (500+ Sterne), mit insgesamt 58,478 Sternen und durchschnittlich 4,177 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.