Git Stars Git Stars

#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
Totale Repository
20,005
Totale stelle
2,500
Media Stelle/Repo
Linguaggi di programmazione: Python Jupyter Notebook C++

8 repository in totale

1
catboost/catboost

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.

catboost
⭐ 9,210 C++ 👤 catboost Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2017-07-18
2
mljar/mljar-supervised

Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Aggiornato 2026-11-05 📅 Creato 2018-11-05
3
benedekrozemberczki/awesome-decision-tree-papers

Una collezione di articoli di ricerca su alberi decisionali, di classificazione e di regressione con implementazioni.

benedekrozemberczki
⭐ 2,480 Python 👤 benedekrozemberczki User 🕐 Aggiornato 2025-12-28 📅 Creato 2019-05-11
4
skforecast/skforecast

Libreria Python per la previsione di serie temporali utilizzando modelli compatibili con scikit-learn, metodi statistici e modelli fondamentali

skforecast
⭐ 1,551 Python 👤 skforecast Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2021-02-10
5
catboost/tutorials

Repository di tutorial CatBoost

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

Una lista curata di articoli di ricerca su gradient boosting con implementazioni.

benedekrozemberczki
⭐ 1,053 Python 👤 benedekrozemberczki User 🕐 Aggiornato 2026-01-05 📅 Creato 2019-05-11
7
kossisoroyce/timber

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.

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

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..)

Western-OC2-Lab
⭐ 602 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Aggiornato 2026-04-01 📅 Creato 2021-05-25

Domande frequenti

1

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.

2

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++.

3

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.