Git Stars Git Stars

#gradient-boosting Dépôts

Découvrez 20 dépôts GitHub open source actifs associés à #gradient-boosting, cumulant 89,943 étoiles au total (soit une moyenne de 4,497 étoiles par projet). Le projet en tête de ce thème est shap/shap, avec 25,883 étoiles.

20
Total des Dépôts
89,943
Nombre total d'étoiles
4,497
Moyenne d'Étoiles/Dépôt
1
shap/shap

Une approche de la théorie des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique

shap
⭐ 25,883 Jupyter Notebook 👤 shap Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2016-11-22
2
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
3
EpistasisLab/tpot

Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Mis à jour 2025-09-11 📅 Créé 2015-11-03
4
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
5
interpretml/interpret

Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-05-03
6
esokolov/ml-course-hse

Apprentissage automatique à la Faculté d'Informatique de l'HSE

esokolov
⭐ 4,037 Jupyter Notebook 👤 esokolov User 🕐 Mis à jour 2026-11-21 📅 Créé 2016-09-04
7
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
8
stanfordmlgroup/ngboost

Natural Gradient Boosting pour la Prédiction Probabiliste

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

Une liste curated de papiers de data mining sur la détection de fraudes.

benedekrozemberczki
⭐ 1,843 Python 👤 benedekrozemberczki User 🕐 Mis à jour 2026-01-05 📅 Créé 2019-05-27
10
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
11
TorchEnsemble-Community/Ensemble-Pytorch

Un framework d'ensemble unifié pour PyTorch pour améliorer les performances et la robustesse de votre modèle d'apprentissage profond.

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

OpenFE : génération automatisée de caractéristiques avec des performances de niveau expert

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 Mis à jour 2024-05-27 📅 Créé 2022-11-21
13
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
14
dabl/dabl

Bibliothèque de Base pour l'Analyse de Données

dabl
⭐ 727 Jupyter Notebook 👤 dabl Organization 🕐 Mis à jour 2024-12-16 📅 Créé 2018-09-14
15
perpetual-ml/perpetual

Perpetual est une machine de gradient boosting haute performance. Elle délivre une précision optimale en une seule exécution sans réglages complexes grâce à un simple paramètre de budget. Elle prend en charge, par défaut, le ML causal, l’apprentissage continu, la calibration native et la surveillance robuste du dérive, ainsi que le cœur Rust et des liaisons zéro‑copie pour Python et R.

perpetual-ml
⭐ 718 Rust 👤 perpetual-ml Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2024-05-20
16
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
17
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
18
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
19
motefly/DeepGBM

SIGKDD'2019: DeepGBM : Un cadre d'apprentissage profond distillé par GBDT pour les tâches de prédiction en ligne

motefly
⭐ 658 Python 👤 motefly User 🕐 Mis à jour 2024-07-25 📅 Créé 2019-02-10

Foire aux questions

1

Quel est le dépôt #gradient-boosting le plus populaire sur GitHub ?

Le projet #gradient-boosting open source le mieux classé sur GitHub est shap/shap, avec 25,883 étoiles. Une approche de la théorie des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique

2

Quels langages de programmation sont les plus utilisés dans les dépôts #gradient-boosting ?

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

3

Comment le classement des dépôts #gradient-boosting est-il calculé ?

Nous suivons 20 dépôts open source actifs associés à #gradient-boosting (500+ étoiles), totalisant 89,943 étoiles, avec une moyenne de 4,497 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.