#gradient-boosting Repositorios
Descubre 20 repositorios activos de código abierto de GitHub etiquetados con #gradient-boosting, que acumulan 89,943 estrellas en total (una media de 4,497 estrellas por proyecto). El líder de este tema es shap/shap, con 25,883 estrellas.
20 repositorios en total
Un enfoque de la teoría de juegos para explicar la salida de cualquier modelo de aprendizaje automático
Un framework rápido, distribuido y de alto rendimiento para gradient boosting (GBT, GBDT, GBRT, GBM o MART) basado en algoritmos de árboles de decisión, utilizado para ranking, clasificación y muchas otras tareas de aprendizaje automático.
Una herramienta de Automated Machine Learning en Python que optimiza pipelines de machine learning usando programación genética.
Una biblioteca de Gradient Boosting en Árboles de Decisión rápida, escalable y de alto rendimiento, utilizada para ranking, clasificación, regresión y otras tareas de aprendizaje automático para Python, R, Java, C++. Soporta cómputo en CPU y GPU.
Ajusta modelos interpretables. Explica el aprendizaje automático de caja negra.
Aprendizaje automático en la Facultad de Ciencias de la Computación de la HSE
Una colección de artículos de investigación sobre árboles de decisión, clasificación y regresión con implementaciones.
Una lista curada de artículos de minería de datos sobre detección de fraudes.
Una lista curada de artículos de investigación sobre gradient boosting con implementaciones.
Un marco unificado de ensemble para PyTorch para mejorar el rendimiento y la robustez de su modelo de aprendizaje profundo.
OpenFE: generación automática de características con rendimiento de nivel experto
Formato universal de intercambio y serialización de modelos para bosques de árboles de decisión
Perpetual es una máquina de gradient boosting de alto rendimiento. Ofrece precisión óptima en una sola ejecución sin ajustes complejos mediante un simple parámetro de presupuesto. Cuenta con soporte incorporado para ML causal, aprendizaje continuo, calibración nativa y monitorización robusta de deriva, además de un núcleo en Rust y enlaces sin copia para Python y R.
Una colección de algoritmos de última generación para el entrenamiento, servicio e interpretación de modelos de Decision Forest en Keras.
Ollama para modelos ML clásicos. Compilador AOT que convierte modelos XGBoost, LightGBM, scikit-learn, CatBoost y ONNX en código de inferencia nativo C99. Un comando para cargar, un comando para servir. 336x más rápido que la inferencia en Python.
Una biblioteca para entrenar, evaluar, interpretar y producir modelos de bosques de decisión como Random Forest y Gradient Boosted Decision Trees.
SIGKDD'2019: DeepGBM: Un marco de aprendizaje profundo destilado por GBDT para tareas de predicción en línea
Preguntas frecuentes
¿Cuál es el repositorio de #gradient-boosting más popular en GitHub?
El proyecto de código abierto de #gradient-boosting mejor posicionado en GitHub es shap/shap, con 25,883 estrellas. Un enfoque de la teoría de juegos para explicar la salida de cualquier modelo de aprendizaje automático
¿Qué lenguajes de programación se utilizan más en los repositorios de #gradient-boosting?
Entre los proyectos de #gradient-boosting mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, Rust.
¿Cómo se calcula la clasificación de los repositorios de #gradient-boosting?
Seguimos 20 repositorios activos de código abierto etiquetados con #gradient-boosting (500+ estrellas), que suman un total de 89,943 estrellas, con una media de 4,497 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.