Git Stars Git Stars

#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
Total de Repositorios
89,943
Total de estrellas
4,497
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook C++ Rust

20 repositorios en total

1
shap/shap

Un enfoque de la teoría de juegos para explicar la salida de cualquier modelo de aprendizaje automático

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

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.

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

Una herramienta de Automated Machine Learning en Python que optimiza pipelines de machine learning usando programación genética.

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

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.

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

Ajusta modelos interpretables. Explica el aprendizaje automático de caja negra.

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

Aprendizaje automático en la Facultad de Ciencias de la Computación de la HSE

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

Una colección de artículos de investigación sobre árboles de decisión, clasificación y regresión con implementaciones.

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

Natural Gradient Boosting para Predicción Probabilística

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

Una lista curada de artículos de minería de datos sobre detección de fraudes.

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

Una lista curada de artículos de investigación sobre gradient boosting con implementaciones.

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

Un marco unificado de ensemble para PyTorch para mejorar el rendimiento y la robustez de su modelo de aprendizaje profundo.

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

OpenFE: generación automática de características con rendimiento de nivel experto

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

Formato universal de intercambio y serialización de modelos para bosques de árboles de decisión

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

Biblioteca de Análisis de Datos Base

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

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.

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

Una colección de algoritmos de última generación para el entrenamiento, servicio e interpretación de modelos de Decision Forest en Keras.

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

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.

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

Una biblioteca para entrenar, evaluar, interpretar y producir modelos de bosques de decisión como Random Forest y Gradient Boosted Decision Trees.

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

SIGKDD'2019: DeepGBM: Un marco de aprendizaje profundo destilado por GBDT para tareas de predicción en línea

motefly
⭐ 658 Python 👤 motefly User 🕐 Actualizado 2024-07-25 📅 Creado 2019-02-10

Preguntas frecuentes

1

¿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

2

¿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.

3

¿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.