#catboost Repository
Scopri 8 repository GitHub open source attivi contrassegnati con #catboost, che raccolgono un totale di 20,005 stelle (con una media di 2,500 stelle per progetto). Il progetto leader di questo argomento è catboost/catboost, con 9,210 stelle.
8 repository in totale
Una libreria Gradient Boosting on Decision Trees veloce, scalabile e ad alte prestazioni, utilizzata per ranking, classificazione, regressione e altre attività di machine learning per Python, R, Java, C++. Supporta il calcolo su CPU e GPU.
Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica
Una collezione di articoli di ricerca su alberi decisionali, di classificazione e di regressione con implementazioni.
Libreria Python per la previsione di serie temporali utilizzando modelli compatibili con scikit-learn, metodi statistici e modelli fondamentali
Una lista curata di articoli di ricerca su gradient boosting con implementazioni.
Ollama per modelli ML classici. Compilatore AOT che converte modelli XGBoost, LightGBM, scikit-learn, CatBoost e ONNX in codice di inferenza nativo C99. Un comando per caricare, un comando per servire. 336x più veloce dell'inferenza Python.
Codice per IDS-ML: sviluppo di sistemi di rilevamento delle intrusioni utilizzando algoritmi di machine learning (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, ottimizzazione bayesiana..)
Domande frequenti
Qual è il repository #catboost più popolare su GitHub?
Il progetto open source #catboost più alto in classifica su GitHub è catboost/catboost, con 9,210 stelle. Una libreria Gradient Boosting on Decision Trees veloce, scalabile e ad alte prestazioni, utilizzata per ranking, classificazione, regressione e altre attività di machine learning per Python, R, Java, C++. Supporta il calcolo su CPU e GPU.
Quali linguaggi di programmazione sono più utilizzati nei repository #catboost?
Tra i progetti #catboost più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++.
Come viene calcolata la classifica dei repository #catboost?
Monitoriamo 8 repository open source attivi contrassegnati con #catboost (500+ stelle), per un totale di 20,005 stelle e una media di 2,500 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.