#gradient-boosting Repository
Scopri 20 repository GitHub open source attivi contrassegnati con #gradient-boosting, che raccolgono un totale di 89,943 stelle (con una media di 4,497 stelle per progetto). Il progetto leader di questo argomento è shap/shap, con 25,883 stelle.
20 repository in totale
Un approccio di teoria dei giochi per spiegare l'output di qualsiasi modello di machine learning
Un framework veloce, distribuito e ad alte prestazioni per il gradient boosting (GBT, GBDT, GBRT, GBM o MART) basato su algoritmi di alberi decisionali, utilizzato per ranking, classificazione e molte altre attività di machine learning.
Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.
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.
Una collezione di articoli di ricerca su alberi decisionali, di classificazione e di regressione con implementazioni.
Una lista curata di articoli di data mining sulla rilevazione delle frodi.
Una lista curata di articoli di ricerca su gradient boosting con implementazioni.
Un framework unificato per ensemble per PyTorch per migliorare le prestazioni e la robustezza del tuo modello di deep learning.
OpenFE: generazione automatizzata di feature con prestazioni di livello esperto
Formato universale di scambio e serializzazione di modelli per foreste di alberi decisionali
Perpetual è una macchina di gradient boosting ad alte prestazioni. Fornisce accuratezza ottimale in una singola esecuzione senza tuning complesso grazie a un semplice parametro di budget. Offre supporto pronto all’uso per ML causale, apprendimento continuo, calibrazione nativa e monitoraggio robusto del drift, oltre al core in Rust e binding zero‑copy per Python e R.
Una raccolta di algoritmi all'avanguardia per l'addestramento, il serving e l'interpretazione dei modelli Decision Forest in Keras.
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.
Una libreria per addestrare, valutare, interpretare e mettere in produzione modelli di foreste decisionali come Random Forest e Gradient Boosted Decision Trees.
SIGKDD'2019: DeepGBM: Un framework di deep learning distillato da GBDT per compiti di previsione online
Domande frequenti
Qual è il repository #gradient-boosting più popolare su GitHub?
Il progetto open source #gradient-boosting più alto in classifica su GitHub è shap/shap, con 25,883 stelle. Un approccio di teoria dei giochi per spiegare l'output di qualsiasi modello di machine learning
Quali linguaggi di programmazione sono più utilizzati nei repository #gradient-boosting?
Tra i progetti #gradient-boosting più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Rust.
Come viene calcolata la classifica dei repository #gradient-boosting?
Monitoriamo 20 repository open source attivi contrassegnati con #gradient-boosting (500+ stelle), per un totale di 89,943 stelle e una media di 4,497 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.