Git Stars Git Stars

#decision-trees Dépôts

Découvrez 14 dépôts GitHub open source actifs associés à #decision-trees, cumulant 58,478 étoiles au total (soit une moyenne de 4,177 étoiles par projet). Le projet en tête de ce thème est lightgbm-org/LightGBM, avec 18,995 étoiles.

14
Total des Dépôts
58,478
Nombre total d'étoiles
4,177
Moyenne d'Étoiles/Dépôt
1
lightgbm-org/LightGBM

Un framework rapide, distribué et haute performance pour le gradient boosting (GBT, GBDT, GBRT, GBM ou MART) basé sur des algorithmes d'arbres de décision, utilisé pour le ranking, la classification et de nombreuses autres tâches d'apprentissage automatique.

lightgbm-org
⭐ 18,995 C++ 👤 lightgbm-org Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2016-08-05
2
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
3
greyhatguy007/Machine-Learning-Specialization-Coursera

Contient des solutions et des notes pour la spécialisation en apprentissage automatique de la Stanford University et Deeplearning.ai - Coursera (2022) par le Prof. Andrew NG

greyhatguy007
⭐ 8,184 Jupyter Notebook 👤 greyhatguy007 User 🕐 Mis à jour 2025-12-28 📅 Créé 2022-06-16
4
biolab/orange3

🍊 :bar_chart: :bulb: Orange: Analyse de données interactive

biolab
⭐ 5,759 Python 👤 biolab Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2013-02-22
5
susanli2016/Machine-Learning-with-Python

Code Python pour les algorithmes courants d'apprentissage automatique

susanli2016
⭐ 4,580 Jupyter Notebook 👤 susanli2016 User 🕐 Mis à jour 2025-06-05 📅 Créé 2017-05-26
6
parrt/dtreeviz

Une bibliothèque Python pour la visualisation des arbres de décision et l'interprétation de modèles.

parrt
⭐ 3,161 Jupyter Notebook 👤 parrt User 🕐 Mis à jour 2026-01-02 📅 Créé 2018-08-13
7
kk7nc/Text_Classification

Algorithmes de classification de texte : Un aperçu

kk7nc
⭐ 1,827 Python 👤 kk7nc User 🕐 Mis à jour 2025-04-01 📅 Créé 2018-07-06
8
justmarkham/DAT8

Cours de Data Science de General Assembly 2015 à Washington, DC

justmarkham
⭐ 1,622 Jupyter Notebook 👤 justmarkham User 🕐 Mis à jour 2024-06-05 📅 Créé 2015-08-07
9
nivu/ai_all_resources

Une liste sélectionnée des meilleures ressources en Intelligence Artificielle

nivu
⭐ 1,543 Jupyter Notebook 👤 nivu User 🕐 Mis à jour 2026-09-19 📅 Créé 2019-12-26
10
dmlc/treelite

Format universel d'échange et de sérialisation de modèles pour forêts d'arbres de décision

dmlc
⭐ 833 C++ 👤 dmlc Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2017-06-28
11
mljar/supertree

Impressionnez votre patron avec une visualisation interactive d'arbre de décision

mljar
⭐ 700 JavaScript 👤 mljar Organization 🕐 Mis à jour 2026-08-11 📅 Créé 2024-07-24
12
tensorflow/decision-forests

Une collection d'algorithmes à la pointe de la technologie pour l'entraînement, le déploiement et l'interprétation des modèles Decision Forest dans Keras.

tensorflow
⭐ 693 Python 👤 tensorflow Organization 🕐 Mis à jour 2026-05-19 📅 Créé 2021-04-22
13
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
14
google/yggdrasil-decision-forests

Une bibliothèque pour entraîner, évaluer, interpréter et mettre en production des modèles de forêts de décision tels que Random Forest et Gradient Boosted Decision Trees.

google
⭐ 680 C++ 👤 google Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2021-04-22

Foire aux questions

1

Quel est le dépôt #decision-trees le plus populaire sur GitHub ?

Le projet #decision-trees open source le mieux classé sur GitHub est lightgbm-org/LightGBM, avec 18,995 étoiles. Un framework rapide, distribué et haute performance pour le gradient boosting (GBT, GBDT, GBRT, GBM ou MART) basé sur des algorithmes d'arbres de décision, utilisé pour le ranking, la classification et de nombreuses autres tâches d'apprentissage automatique.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #decision-trees ?

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

3

Comment le classement des dépôts #decision-trees est-il calculé ?

Nous suivons 14 dépôts open source actifs associés à #decision-trees (500+ étoiles), totalisant 58,478 étoiles, avec une moyenne de 4,177 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.