Git Stars Git Stars

#random-forest Repository

Scopri 26 repository GitHub open source attivi contrassegnati con #random-forest, che raccolgono un totale di 57,940 stelle (con una media di 2,228 stelle per progetto). Il progetto leader di questo argomento è EpistasisLab/tpot, con 10,051 stelle.

26
Totale Repository
57,940
Totale stelle
2,228
Media Stelle/Repo

26 repository in totale

1
EpistasisLab/tpot

Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Aggiornato 2025-09-11 📅 Creato 2015-11-03
2
h2oai/h2o-3

H2O è una Piattaforma di Machine Learning Open Source, Distribuita, Veloce e Scalabile: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM con Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), ecc.

h2oai
⭐ 7,527 Jupyter Notebook 👤 h2oai Organization 🕐 Aggiornato 2026-11-11 📅 Creato 2014-03-03
3
biolab/orange3

🍊 :bar_chart: :bulb: Orange: Analisi dati interattiva

biolab
⭐ 5,759 Python 👤 biolab Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2013-02-22
4
susanli2016/Machine-Learning-with-Python

Codice Python per algoritmi comuni di Machine Learning

susanli2016
⭐ 4,580 Jupyter Notebook 👤 susanli2016 User 🕐 Aggiornato 2025-06-05 📅 Creato 2017-05-26
5
microsoft/FLAML

Una libreria veloce per AutoML e tuning. Unisciti al nostro Discord: https://discord.gg/Cppx2vSPVP.

microsoft
⭐ 4,422 Jupyter Notebook 👤 microsoft Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2020-08-20
6
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
7
parrt/dtreeviz

Una libreria Python per la visualizzazione di alberi decisionali e l'interpretazione del modello.

parrt
⭐ 3,161 Jupyter Notebook 👤 parrt User 🕐 Aggiornato 2026-01-02 📅 Creato 2018-08-13
8
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
9
benedekrozemberczki/awesome-fraud-detection-papers

Una lista curata di articoli di data mining sulla rilevazione delle frodi.

benedekrozemberczki
⭐ 1,843 Python 👤 benedekrozemberczki User 🕐 Aggiornato 2026-01-05 📅 Creato 2019-05-27
10
kk7nc/Text_Classification

Algoritmi di classificazione del testo: Una revisione

kk7nc
⭐ 1,827 Python 👤 kk7nc User 🕐 Aggiornato 2025-04-01 📅 Creato 2018-07-06
11
nivu/ai_all_resources

Una lista curata delle migliori risorse di Intelligenza Artificiale

nivu
⭐ 1,543 Jupyter Notebook 👤 nivu User 🕐 Aggiornato 2026-09-19 📅 Creato 2019-12-26
12
automl/SMAC3

SMAC3: Un pacchetto versatile di ottimizzazione bayesiana per l'ottimizzazione degli iperparametri

automl
⭐ 1,273 Python 👤 automl Organization 🕐 Aggiornato 2026-11-18 📅 Creato 2016-08-17
13
grf-labs/grf

Foreste Casuali Generalizzate

grf-labs
⭐ 1,121 C++ 👤 grf-labs Organization 🕐 Aggiornato 2026-04-30 📅 Creato 2016-08-12
14
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
15
LAMDA-NJU/Deep-Forest

Un framework Python efficiente, scalabile e ottimizzato per Deep Forest (2021.2.1)

LAMDA-NJU
⭐ 961 Python 👤 LAMDA-NJU Organization 🕐 Aggiornato 2026-05-18 📅 Creato 2021-01-27
16
emlearn/emlearn

Motore di inferenza Machine Learning per Microcontrollori e Dispositivi Embedded

emlearn
⭐ 776 Python 👤 emlearn Organization 🕐 Aggiornato 2026-11-10 📅 Creato 2018-03-16
17
Xtra-Computing/thundergbm

ThunderGBM: GBDT veloci e Random Forest su GPU

Xtra-Computing
⭐ 713 C++ 👤 Xtra-Computing Organization 🕐 Aggiornato 2025-03-19 📅 Creato 2016-11-11
18
mljar/supertree

Impressiona il tuo capo con la visualizzazione interattiva dell'albero decisionale

mljar
⭐ 700 JavaScript 👤 mljar Organization 🕐 Aggiornato 2026-08-11 📅 Creato 2024-07-24
19
tensorflow/decision-forests

Una raccolta di algoritmi all'avanguardia per l'addestramento, il serving e l'interpretazione dei modelli Decision Forest in Keras.

tensorflow
⭐ 693 Python 👤 tensorflow Organization 🕐 Aggiornato 2026-05-19 📅 Creato 2021-04-22
20
google/yggdrasil-decision-forests

Una libreria per addestrare, valutare, interpretare e mettere in produzione modelli di foreste decisionali come Random Forest e Gradient Boosted Decision Trees.

google
⭐ 680 C++ 👤 google Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2021-04-22
21
parrt/random-forest-importances

Codice per calcolare le importanze di permutazione e drop-column nei modelli Python scikit-learn

parrt
⭐ 625 Jupyter Notebook 👤 parrt User 🕐 Aggiornato 2025-03-24 📅 Creato 2018-03-22
22
kochlisGit/ProphitBet-Soccer-Bets-Predictor

ProphitBet è un’applicazione per prevedere le scommesse sul calcio basata sul machine learning. Analizza la forma delle squadre, calcola le statistiche delle partite e ne prevede gli esiti utilizzando metodi avanzati di machine learning (ML). Inoltre, offre agenti di scommessa basati sul deep reinforcement learning (DRL), in grado di apprendere strategie di scommessa ottimali.

kochlisGit
⭐ 606 Python 👤 kochlisGit User 🕐 Aggiornato 2026-10-27 📅 Creato 2022-03-18
23
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
24
Carl-McBride-Ellis/Compendium-of-free-ML-reading-resources

Compendio di risorse gratuite di lettura sul ML

Carl-McBride-Ellis
⭐ 580 👤 Carl-McBride-Ellis User 🕐 Aggiornato 2026-11-07 📅 Creato 2023-09-01
25
machinelearnjs/machinelearnjs

Libreria di Machine Learning per il web e Node.

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 Aggiornato 2026-02-07 📅 Creato 2018-04-29
26
kLabUM/rrcf

🌲 Implementazione dell'algoritmo Robust Random Cut Forest per il rilevamento di anomalie su stream

kLabUM
⭐ 519 Python 👤 kLabUM Organization 🕐 Aggiornato 2024-02-24 📅 Creato 2018-10-20

Domande frequenti

1

Qual è il repository #random-forest più popolare su GitHub?

Il progetto open source #random-forest più alto in classifica su GitHub è EpistasisLab/tpot, con 10,051 stelle. Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #random-forest?

Tra i progetti #random-forest più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, JavaScript.

3

Come viene calcolata la classifica dei repository #random-forest?

Monitoriamo 26 repository open source attivi contrassegnati con #random-forest (500+ stelle), per un totale di 57,940 stelle e una media di 2,228 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.