Git Stars Git Stars

#gradient-boosting Repositories

Entdecke 20 aktive Open-Source-GitHub-Repositories, die mit #gradient-boosting getaggt sind und insgesamt 89,943 Sterne gesammelt haben (durchschnittlich 4,497 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist shap/shap mit 25,883 Sternen.

20
Gesamtzahl der Repositories
89,943
Gesamtanzahl der Sterne
4,497
Durchschnittliche Sterne/Repo

Insgesamt 20 Repositories

1
shap/shap

Ein spieltheoretischer Ansatz zur Erklärung der Ausgabe beliebiger maschineller Lernmodelle

shap
⭐ 25,883 Jupyter Notebook 👤 shap Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2016-11-22
2
lightgbm-org/LightGBM

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.

lightgbm-org
⭐ 18,995 C++ 👤 lightgbm-org Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2016-08-05
3
EpistasisLab/tpot

Ein Python-basiertes Automated-Machine-Learning-Tool, das Machine-Learning-Pipelines mit genetischer Programmierung optimiert.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Aktualisiert 2025-09-11 📅 Erstellt 2015-11-03
4
catboost/catboost

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.

catboost
⭐ 9,210 C++ 👤 catboost Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2017-07-18
5
interpretml/interpret

Passen Sie interpretierbare Modelle an. Erklären Sie Blackbox-Machine-Learning.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2019-05-03
6
esokolov/ml-course-hse

Maschinelles Lernen am Fachbereich Informatik der HSE

esokolov
⭐ 4,037 Jupyter Notebook 👤 esokolov User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2016-09-04
7
benedekrozemberczki/awesome-decision-tree-papers

Eine Sammlung von Forschungsarbeiten zu Entscheidungs-, Klassifikations- und Regressionsbäumen mit Implementierungen.

benedekrozemberczki
⭐ 2,480 Python 👤 benedekrozemberczki User 🕐 Aktualisiert 2025-12-28 📅 Erstellt 2019-05-11
8
stanfordmlgroup/ngboost

Natural Gradient Boosting für probabilistische Vorhersagen

stanfordmlgroup
⭐ 1,904 Jupyter Notebook 👤 stanfordmlgroup Organization 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2018-06-21
9
benedekrozemberczki/awesome-fraud-detection-papers

Eine kuratierte Liste von Data-Mining-Papieren zur Betrugserkennung.

benedekrozemberczki
⭐ 1,843 Python 👤 benedekrozemberczki User 🕐 Aktualisiert 2026-01-05 📅 Erstellt 2019-05-27
10
benedekrozemberczki/awesome-gradient-boosting-papers

Eine kuratierte Liste von Forschungsarbeiten zu Gradient Boosting mit Implementierungen.

benedekrozemberczki
⭐ 1,053 Python 👤 benedekrozemberczki User 🕐 Aktualisiert 2026-01-05 📅 Erstellt 2019-05-11
11
TorchEnsemble-Community/Ensemble-Pytorch

Ein einheitlicher Ensemble-Framework für PyTorch, um die Leistung und Robustheit Ihres Deep-Learning-Modells zu verbessern.

TorchEnsemble-Community
⭐ 1,040 Python 👤 TorchEnsemble-Community Organization 🕐 Aktualisiert 2024-06-16 📅 Erstellt 2019-09-11
12
IIIS-Li-Group/OpenFE

OpenFE: automatisierte Feature-Generierung mit Experten-Niveau-Leistung

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 Aktualisiert 2024-05-27 📅 Erstellt 2022-11-21
13
dmlc/treelite

Universelles Modellaustausch- und Serialisierungsformat für Entscheidungsbaumwälder

dmlc
⭐ 833 C++ 👤 dmlc Organization 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2017-06-28
14
dabl/dabl

Basisbibliothek für Datenanalyse

dabl
⭐ 727 Jupyter Notebook 👤 dabl Organization 🕐 Aktualisiert 2024-12-16 📅 Erstellt 2018-09-14
15
perpetual-ml/perpetual

Perpetual ist eine Hochleistungs-Gradient-Boosting-Maschine. Sie liefert optimale Genauigkeit in einem einzigen Lauf ohne komplexes Tuning durch einen einfachen Budgetparameter. Sie bietet sofortige Unterstützung für kausales ML, kontinuierliches Lernen, native Kalibrierung und robuste Drift‑Überwachung sowie einen Rust‑Kern und Zero‑Copy‑Bindings für Python und R.

perpetual-ml
⭐ 718 Rust 👤 perpetual-ml Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2024-05-20
16
tensorflow/decision-forests

Eine Sammlung von Algorithmen auf dem neuesten Stand der Technik für das Training, die Bereitstellung und die Interpretation von Decision Forest-Modellen in Keras.

tensorflow
⭐ 693 Python 👤 tensorflow Organization 🕐 Aktualisiert 2026-05-19 📅 Erstellt 2021-04-22
17
kossisoroyce/timber

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.

kossisoroyce
⭐ 692 Python 👤 kossisoroyce User 🕐 Aktualisiert 2026-04-16 📅 Erstellt 2026-02-27
18
google/yggdrasil-decision-forests

Eine Bibliothek zum Trainieren, Bewerten, Interpretieren und Produzieren von Entscheidungsforstmodellen wie Random Forest und Gradient Boosted Decision Trees.

google
⭐ 680 C++ 👤 google Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2021-04-22
19
motefly/DeepGBM

SIGKDD'2019: DeepGBM: Ein Deep-Learning-Framework, das durch GBDT destilliert wurde, für Online-Vorhersageaufgaben

motefly
⭐ 658 Python 👤 motefly User 🕐 Aktualisiert 2024-07-25 📅 Erstellt 2019-02-10

Häufig gestellte Fragen

1

Welches ist das beliebteste #gradient-boosting-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#gradient-boosting-Projekt auf GitHub ist shap/shap mit 25,883 Sternen. Ein spieltheoretischer Ansatz zur Erklärung der Ausgabe beliebiger maschineller Lernmodelle

2

Welche Programmiersprachen werden in #gradient-boosting-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #gradient-boosting-Projekten auf GitHub sind Python, Jupyter Notebook, C++, Rust die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #gradient-boosting-Repositories berechnet?

Wir verfolgen 20 aktive Open-Source-Repositories, die mit #gradient-boosting getaggt sind (500+ Sterne), mit insgesamt 89,943 Sternen und durchschnittlich 4,497 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.