Git Stars Git Stars

#lightgbm Repositories

Entdecke 26 aktive Open-Source-GitHub-Repositories, die mit #lightgbm getaggt sind und insgesamt 70,365 Sterne gesammelt haben (durchschnittlich 2,706 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist lightgbm-org/LightGBM mit 18,995 Sternen.

26
Gesamtzahl der Repositories
70,365
Gesamtanzahl der Sterne
2,706
Durchschnittliche Sterne/Repo

Insgesamt 26 Repositories

1
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
2
microsoft/ai-edu

AI-Bildungsmaterialien für chinesische Schüler, Lehrer und IT-Fachkräfte.

microsoft
⭐ 14,041 HTML 👤 microsoft Organization 🕐 Aktualisiert 2024-05-16 📅 Erstellt 2018-11-16
3
microsoft/SynapseML

Einfache und verteilte Machine-Learning-Python-Bibliothek zur Portierung von ML-Algorithmen für Spark

microsoft
⭐ 5,257 Scala 👤 microsoft Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2017-06-05
4
mljar/mljar-supervised

Python-Paket für AutoML auf tabellarischen Daten mit Feature Engineering, Hyperparameter-Tuning, Erklärungen und automatischer Dokumentation

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Aktualisiert 2026-11-05 📅 Erstellt 2018-11-05
5
BayesWitnesses/m2cgen

Transformieren Sie ML-Modelle in nativen Code (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) ohne Abhängigkeiten

BayesWitnesses
⭐ 2,944 Python 👤 BayesWitnesses Organization 🕐 Aktualisiert 2024-08-03 📅 Erstellt 2019-01-13
6
TeamHG-Memex/eli5

Eine Bibliothek zum Debuggen/Inspektieren von Machine-Learning-Klassifikatoren und Erklären ihrer Vorhersagen

TeamHG-Memex
⭐ 2,858 Jupyter Notebook 👤 TeamHG-Memex Organization 🕐 Aktualisiert 2026-04-08 📅 Erstellt 2016-09-15
7
mars-project/mars

Mars ist ein tensorbasierter einheitlicher Rahmen für die Berechnung großer Datenmengen, der numpy, pandas, scikit-learn und Python-Funktionen skaliert.

mars-project
⭐ 2,751 Python 👤 mars-project Organization 🕐 Aktualisiert 2024-01-02 📅 Erstellt 2018-12-05
8
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
9
WillKoehrsen/feature-selector

Der Feature Selector ist ein Werkzeug zur Dimensionsreduktion von Machine-Learning-Datensätzen

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 Aktualisiert 2024-06-17 📅 Erstellt 2018-06-20
10
qusong0627/QuantMind

Die Open-Source-Edition von QuantMind (Quantitatives Gehirn) ist eine KI-native Multi-Markt-Plattform für den quantitativen Handel, die sich an einzelne Entwickler sowie Forschungs- und Investmentteams richtet. Sie integriert Microsoft Qlib, die Faktorentwicklung von RD-Agent und die umfassende QuantBot-Workbench tiefgreifend und bietet einen vollständigen Prozess – von der Ermittlung von mehr als 300 Faktordimensionen, einer Modellfabrik mit 13 Modellen für maschinelles Lernen und Deep Learning, leistungsstarkem Qlib-Backtesting, batchweiser Querschnittsinferenz und einer rund um die Uhr verfügbaren Echtzeit-Sentimentanalyse der öffentlichen Meinung bis hin zur umfassenden Anbindung an TongdaXin (Sektor-Pushs, Warnradar und Blitz-Orderaufgabe) sowie zum Live- und simulierten Handel. Unterstützt werden A-Aktien, Hongkong-Aktien, US-Aktien, Futures und Blockchain. Die kommerzielle Nutzung ist kostenlos möglich; das System lässt sich per Docker Compose mit einem Klick privat bereitstellen. Daten und Modelle bleiben vollständig lokal, um die Vertraulichkeit der Strategien zu gewährleisten. Alle Funktionen sind ohne Einstiegshürden und ohne Einschränkungen verfügbar.

qusong0627
⭐ 1,951 Python 👤 qusong0627 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-04-15
11
skforecast/skforecast

Python-Bibliothek für Zeitreihenprognosen mit scikit-learn-kompatiblen Modellen, statistischen Methoden und Foundation-Modellen

skforecast
⭐ 1,551 Python 👤 skforecast Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2021-02-10
12
Nixtla/mlforecast

Skalierbares maschinelles 🤖 Lernen für Zeitreihenprognosen.

Nixtla
⭐ 1,308 Python 👤 Nixtla Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2021-04-26
13
xorbitsai/xorbits

Skalierbare Python DS & ML, auf API-kompatible und blitzschnelle Weise.

xorbitsai
⭐ 1,200 Python 👤 xorbitsai Organization 🕐 Aktualisiert 2026-02-14 📅 Erstellt 2022-07-27
14
elastic/ember

Elastic Malware Benchmark zur Stärkung von Forschern

elastic
⭐ 1,110 Jupyter Notebook 👤 elastic Organization 🕐 Aktualisiert 2024-11-22 📅 Erstellt 2018-04-11
15
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
16
SeldonIO/MLServer

Ein Inferenzserver für Ihre Machine-Learning-Modelle, einschließlich Unterstützung für mehrere Frameworks, Multi-Model-Serving und mehr

SeldonIO
⭐ 903 Python 👤 SeldonIO Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2020-06-16
17
mljar/supertree

Beeindrucken Sie Ihren Chef mit interaktiver Entscheidungsbaum-Visualisierung

mljar
⭐ 700 JavaScript 👤 mljar Organization 🕐 Aktualisiert 2026-08-11 📅 Erstellt 2024-07-24
18
elastic/eland

Python-Client und Toolkit für DataFrames, Big Data, Machine Learning und ETL in Elasticsearch

elastic
⭐ 693 Python 👤 elastic Organization 🕐 Aktualisiert 2026-06-16 📅 Erstellt 2019-06-11
19
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
20
jerryzrei/Haxe

Eine Haxe-Bibliothek, die Datenstrukturen für Spiele enthält.

jerryzrei
⭐ 684 Jupyter Notebook 👤 jerryzrei User 🕐 Aktualisiert 2025-07-20 📅 Erstellt 2025-07-17
21
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
22
neptune-ai/neptune-client

📘 Der Experiment-Tracker für das Training von Grundmodellen

neptune-ai
⭐ 623 Python 👤 neptune-ai Organization 🕐 Aktualisiert 2026-03-17 📅 Erstellt 2019-02-11
23
87owo/PYAS

Eine hybride Windows-Endpunktsicherheitsplattform, unterstützt durch maschinelles Lernen, YARA-Regeln, Cloud-Analyse und verhaltensbasierte Schutzmechanismen auf Kernel-Ebene.

87owo
⭐ 608 YARA 👤 87owo User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2021-07-27
24
Western-OC2-Lab/Intrusion-Detection-System-Using-Machine-Learning

Code für IDS-ML: Entwicklung von Einbruchserkennungssystemen mithilfe von Algorithmen des maschinellen Lernens (Entscheidungsbaum, Random Forest, Extra Trees, XGBoost, Stacking, k-Means, Bayesian Optimization..)

Western-OC2-Lab
⭐ 602 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Aktualisiert 2026-04-01 📅 Erstellt 2021-05-25
25
openscoring/openscoring

REST-Webdienst für die echte Echtzeit-Bewertung (<1 ms) von Scikit-Learn-, R- und Apache-Spark-Modellen

openscoring
⭐ 587 Java 👤 openscoring Organization 🕐 Aktualisiert 2026-02-02 📅 Erstellt 2013-04-02
26
cerlymarco/shap-hypetune

Ein Python-Paket für die gleichzeitige Hyperparameter-Optimierung und Merkmalsauswahl für Gradient-Boosting-Modelle.

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 Aktualisiert 2024-06-08 📅 Erstellt 2021-05-16

Häufig gestellte Fragen

1

Welches ist das beliebteste #lightgbm-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#lightgbm-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.

2

Welche Programmiersprachen werden in #lightgbm-Repositories am häufigsten verwendet?

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

3

Wie wird das Ranking der #lightgbm-Repositories berechnet?

Wir verfolgen 26 aktive Open-Source-Repositories, die mit #lightgbm getaggt sind (500+ Sterne), mit insgesamt 70,365 Sternen und durchschnittlich 2,706 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.