Git Stars Git Stars

#xgboost Repositorios

Descubre 34 repositorios activos de código abierto de GitHub etiquetados con #xgboost, que acumulan 80,652 estrellas en total (una media de 2,372 estrellas por proyecto). El líder de este tema es dmlc/xgboost, con 29,010 estrellas.

34
Total de Repositorios
80,652
Total de estrellas
2,372
Promedio de Estrellas/Repo

34 repositorios en total

1
dmlc/xgboost

Biblioteca de Gradient Boosting (GBDT, GBRT o GBM) escalable, portátil y distribuida, para Python, R, Java, Scala, C y más. Se ejecuta en una sola máquina, Hadoop, Spark, Dask, Flink y DataFlow.

dmlc
⭐ 29,010 C++ 👤 dmlc Organization 🕐 Actualizado 2026-11-19 📅 Creado 2014-02-06
2
kserve/kserve

Plataforma de inferencia de IA generativa y predictiva distribuida estandarizada para despliegue escalable y multi-framework en Kubernetes

kserve
⭐ 6,253 Go 👤 kserve Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-03-27
3
alibaba/Alink

Alink es la plataforma de algoritmos de Machine Learning basada en Flink, desarrollada por el equipo PAI de la plataforma de cómputo de Alibaba.

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 Actualizado 2024-06-07 📅 Creado 2018-09-30
4
mljar/mljar-supervised

Paquete de Python para AutoML en datos tabulares con ingeniería de características, ajuste de hiperparámetros, explicaciones y documentación automática

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Actualizado 2026-11-05 📅 Creado 2018-11-05
5
parrt/dtreeviz

Una biblioteca de Python para la visualización de árboles de decisión e interpretación de modelos.

parrt
⭐ 3,161 Jupyter Notebook 👤 parrt User 🕐 Actualizado 2026-01-02 📅 Creado 2018-08-13
6
BayesWitnesses/m2cgen

Transforma modelos ML en código nativo (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) sin dependencias

BayesWitnesses
⭐ 2,944 Python 👤 BayesWitnesses Organization 🕐 Actualizado 2024-08-03 📅 Creado 2019-01-13
7
TeamHG-Memex/eli5

Una biblioteca para depurar/inspeccionar clasificadores de aprendizaje automático y explicar sus predicciones

TeamHG-Memex
⭐ 2,858 Jupyter Notebook 👤 TeamHG-Memex Organization 🕐 Actualizado 2026-04-08 📅 Creado 2016-09-15
8
mars-project/mars

Mars es un marco unificado basado en tensores para la computación de datos a gran escala que escala numpy, pandas, scikit-learn y funciones de Python.

mars-project
⭐ 2,751 Python 👤 mars-project Organization 🕐 Actualizado 2024-01-02 📅 Creado 2018-12-05
9
jolibrain/deepdetect

Servidor de aprendizaje profundo y CLI para Torch y TensorRT

jolibrain
⭐ 2,549 C++ 👤 jolibrain Organization 🕐 Actualizado 2026-11-17 📅 Creado 2015-05-22
10
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
11
kubeflow/trainer

Entrenamiento distribuido de modelos IA y afinado de LLM en Kubernetes

kubeflow
⭐ 2,287 Go 👤 kubeflow Organization 🕐 Actualizado 2026-11-21 📅 Creado 2017-06-28
12
AutoViML/AutoViz

Visualice automáticamente cualquier conjunto de datos, de cualquier tamaño, con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos. Permiso concedido previa solicitud.

AutoViML
⭐ 1,870 Python 👤 AutoViML User 🕐 Actualizado 2024-06-10 📅 Creado 2019-07-17
13
skforecast/skforecast

Biblioteca de Python para pronóstico de series temporales usando modelos compatibles con scikit-learn, métodos estadísticos y modelos fundamentales

skforecast
⭐ 1,551 Python 👤 skforecast Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-02-10
14
Nixtla/mlforecast

🤖 Aprendizaje automático escalable para la previsión de series temporales.

Nixtla
⭐ 1,308 Python 👤 Nixtla Organization 🕐 Actualizado 2026-11-19 📅 Creado 2021-04-26
15
xorbitsai/xorbits

DS y ML de Python escalables, de forma compatible con API y ultrarrápida.

xorbitsai
⭐ 1,200 Python 👤 xorbitsai Organization 🕐 Actualizado 2026-02-14 📅 Creado 2022-07-27
16
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
17
NVIDIA/NVFlare

Entorno de tiempo de ejecución de aplicaciones de aprendizaje federado de NVIDIA

NVIDIA
⭐ 1,017 Python 👤 NVIDIA Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-07-23
18
SeldonIO/MLServer

Un servidor de inferencia para sus modelos de aprendizaje automático, que incluye soporte para múltiples frameworks, servicio de múltiples modelos y más

SeldonIO
⭐ 903 Python 👤 SeldonIO Organization 🕐 Actualizado 2026-11-20 📅 Creado 2020-06-16
19
Tejas-TA/predikit

El puente que faltaba entre tus modelos de aprendizaje automático y tus agentes de IA.

Tejas-TA
⭐ 840 Python 👤 Tejas-TA User 🕐 Actualizado 2026-10-28 📅 Creado 2026-05-25
20
apachecn/ml-mastery-zh

:book: [Trad.] MachineLearningMastery artículo del blog

apachecn
⭐ 786 JavaScript 👤 apachecn Organization 🕐 Actualizado 2025-02-19 📅 Creado 2019-03-25
21
StatMixedML/XGBoostLSS

Una extensión de XGBoost al modelado probabilístico

StatMixedML
⭐ 738 Python 👤 StatMixedML User 🕐 Actualizado 2026-10-02 📅 Creado 2019-06-16
22
abhishekkrthakur
⭐ 728 Python 👤 abhishekkrthakur User 🕐 Actualizado 2024-09-14 📅 Creado 2021-10-26
23
mljar/supertree

Impressiona a tu jefe con la visualización interactiva de árboles de decisión

mljar
⭐ 700 JavaScript 👤 mljar Organization 🕐 Actualizado 2026-08-11 📅 Creado 2024-07-24
24
yandex/rep

Caja de herramientas de Machine Learning para Humanos

yandex
⭐ 698 Jupyter Notebook 👤 yandex Organization 🕐 Actualizado 2024-07-31 📅 Creado 2015-04-13
25
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
26
AutoViML/featurewiz

Utilice estrategias avanzadas de ingeniería de características y seleccione las mejores características de su conjunto de datos con una sola línea de código. Creado por Ram Seshadri. Se aceptan colaboradores.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Actualizado 2025-02-19 📅 Creado 2020-11-29
27
Ekeany/Boruta-Shap

Una herramienta de selección de características basada en árboles que combina tanto el algoritmo de selección de características Boruta como los valores Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Actualizado 2024-02-19 📅 Creado 2020-04-13
28
neptune-ai/neptune-client

📘 El rastreador de experimentos para el entrenamiento de modelos fundamentales

neptune-ai
⭐ 623 Python 👤 neptune-ai Organization 🕐 Actualizado 2026-03-17 📅 Creado 2019-02-11
29
Western-OC2-Lab/Intrusion-Detection-System-Using-Machine-Learning

Código para IDS-ML: desarrollo de sistemas de detección de intrusiones utilizando algoritmos de aprendizaje automático (árbol de decisión, random forest, extra trees, XGBoost, stacking, k-means, optimización bayesiana..)

Western-OC2-Lab
⭐ 602 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Actualizado 2026-04-01 📅 Creado 2021-05-25
30
whyzhow/Kaggle-NeurIPS---Open-Polymer-Prediction-2025-Silver-Algorithm-Overview

Una implementación mejorada y reproducible de una solución de predicción de polímeros Open NeurIPS Kaggle Medalla de Plata, con canonicalización SMILES, descriptores moleculares, modelos CatBoost/XGBoost, apilamiento OOF y GNNs PyTorch Geometric opcionales.

whyzhow
⭐ 591 Python 👤 whyzhow User 🕐 Actualizado 2026-02-28 📅 Creado 2026-02-13
31
openscoring/openscoring

Servicio web REST para la puntuación en tiempo real verdadera (<1 ms) de modelos de Scikit-Learn, R y Apache Spark

openscoring
⭐ 587 Java 👤 openscoring Organization 🕐 Actualizado 2026-02-02 📅 Creado 2013-04-02
32
cerlymarco/shap-hypetune

Un paquete de Python para la optimización simultánea de hiperparámetros y la selección de características para modelos de Gradient Boosting.

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 Actualizado 2024-06-08 📅 Creado 2021-05-16
33
hyperactive-project/Hyperactive

Una interfaz unificada para algoritmos de optimización y experimentos

hyperactive-project
⭐ 551 Python 👤 hyperactive-project Organization 🕐 Actualizado 2026-11-02 📅 Creado 2018-11-01
34
AutoViML/Auto_ViML

Construye automáticamente múltiples modelos de ML con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos. Permiso concedido bajo solicitud.

AutoViML
⭐ 547 Python 👤 AutoViML User 🕐 Actualizado 2025-01-30 📅 Creado 2019-06-10

Preguntas frecuentes

1

¿Cuál es el repositorio de #xgboost más popular en GitHub?

El proyecto de código abierto de #xgboost mejor posicionado en GitHub es dmlc/xgboost, con 29,010 estrellas. Biblioteca de Gradient Boosting (GBDT, GBRT o GBM) escalable, portátil y distribuida, para Python, R, Java, Scala, C y más. Se ejecuta en una sola máquina, Hadoop, Spark, Dask, Flink y DataFlow.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #xgboost?

Entre los proyectos de #xgboost mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, Go.

3

¿Cómo se calcula la clasificación de los repositorios de #xgboost?

Seguimos 34 repositorios activos de código abierto etiquetados con #xgboost (500+ estrellas), que suman un total de 80,652 estrellas, con una media de 2,372 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.