Git Stars Git Stars

#catboost Dépôts

Découvrez 8 dépôts GitHub open source actifs associés à #catboost, cumulant 20,005 étoiles au total (soit une moyenne de 2,500 étoiles par projet). Le projet en tête de ce thème est catboost/catboost, avec 9,210 étoiles.

8
Total des Dépôts
20,005
Nombre total d'étoiles
2,500
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook C++
1
catboost/catboost

Une bibliothèque Gradient Boosting sur arbres de décision rapide, scalable et haute performance, utilisée pour le ranking, la classification, la régression et d'autres tâches d'apprentissage automatique pour Python, R, Java, C++. Prend en charge le calcul sur CPU et GPU.

catboost
⭐ 9,210 C++ 👤 catboost Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2017-07-18
2
mljar/mljar-supervised

Paquet Python pour AutoML sur des données tabulaires avec ingénierie des caractéristiques, réglage des hyper-paramètres, explications et documentation automatique

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2018-11-05
3
benedekrozemberczki/awesome-decision-tree-papers

Une collection d'articles de recherche sur les arbres de décision, de classification et de régression avec implémentations.

benedekrozemberczki
⭐ 2,480 Python 👤 benedekrozemberczki User 🕐 Mis à jour 2025-12-28 📅 Créé 2019-05-11
4
skforecast/skforecast

Bibliothèque Python pour la prévision de séries temporelles utilisant des modèles compatibles avec scikit-learn, des méthodes statistiques et des modèles fondamentaux

skforecast
⭐ 1,551 Python 👤 skforecast Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-02-10
5
catboost/tutorials

Dépôt de tutoriels CatBoost

catboost
⭐ 1,112 Jupyter Notebook 👤 catboost Organization 🕐 Mis à jour 2026-10-23 📅 Créé 2018-06-25
6
benedekrozemberczki/awesome-gradient-boosting-papers

Une liste sélectionnée de papiers de recherche sur le gradient boosting avec implémentations.

benedekrozemberczki
⭐ 1,053 Python 👤 benedekrozemberczki User 🕐 Mis à jour 2026-01-05 📅 Créé 2019-05-11
7
kossisoroyce/timber

Ollama pour les modèles ML classiques. Compilateur AOT qui transforme les modèles XGBoost, LightGBM, scikit-learn, CatBoost et ONNX en code d'inférence natif C99. Une commande pour charger, une commande pour servir. 336x plus rapide que l'inférence Python.

kossisoroyce
⭐ 692 Python 👤 kossisoroyce User 🕐 Mis à jour 2026-04-16 📅 Créé 2026-02-27
8
Western-OC2-Lab/Intrusion-Detection-System-Using-Machine-Learning

Code pour IDS-ML : développement de systèmes de détection d'intrusion utilisant des algorithmes d'apprentissage automatique (Arbre de décision, forêt aléatoire, arbres supplémentaires, XGBoost, empilement, k-means, optimisation bayésienne..)

Western-OC2-Lab
⭐ 602 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Mis à jour 2026-04-01 📅 Créé 2021-05-25

Foire aux questions

1

Quel est le dépôt #catboost le plus populaire sur GitHub ?

Le projet #catboost open source le mieux classé sur GitHub est catboost/catboost, avec 9,210 étoiles. Une bibliothèque Gradient Boosting sur arbres de décision rapide, scalable et haute performance, utilisée pour le ranking, la classification, la régression et d'autres tâches d'apprentissage automatique pour Python, R, Java, C++. Prend en charge le calcul sur CPU et GPU.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #catboost ?

Parmi les projets #catboost les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++.

3

Comment le classement des dépôts #catboost est-il calculé ?

Nous suivons 8 dépôts open source actifs associés à #catboost (500+ étoiles), totalisant 20,005 étoiles, avec une moyenne de 2,500 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.