Git Stars Git Stars

#xgboost Repository

Scopri 34 repository GitHub open source attivi contrassegnati con #xgboost, che raccolgono un totale di 80,652 stelle (con una media di 2,372 stelle per progetto). Il progetto leader di questo argomento è dmlc/xgboost, con 29,010 stelle.

34
Totale Repository
80,652
Totale stelle
2,372
Media Stelle/Repo

34 repository in totale

1
dmlc/xgboost

Libreria di Gradient Boosting (GBDT, GBRT o GBM) scalabile, portabile e distribuita, per Python, R, Java, Scala, C e altro. Funziona su singola macchina, Hadoop, Spark, Dask, Flink e DataFlow.

dmlc
⭐ 29,010 C++ 👤 dmlc Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2014-02-06
2
kserve/kserve

Piattaforma di inferenza AI generativa e predittiva distribuita standardizzata per deployment scalabile e multi-framework su Kubernetes

kserve
⭐ 6,253 Go 👤 kserve Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2019-03-27
3
alibaba/Alink

Alink è la piattaforma di algoritmi di Machine Learning basata su Flink, sviluppata dal team PAI della piattaforma di computing di Alibaba.

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 Aggiornato 2024-06-07 📅 Creato 2018-09-30
4
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
5
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
6
BayesWitnesses/m2cgen

Trasforma modelli ML in codice nativo (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) senza dipendenze

BayesWitnesses
⭐ 2,944 Python 👤 BayesWitnesses Organization 🕐 Aggiornato 2024-08-03 📅 Creato 2019-01-13
7
TeamHG-Memex/eli5

Una libreria per il debug/il controllo dei classificatori di machine learning e la spiegazione delle loro previsioni

TeamHG-Memex
⭐ 2,858 Jupyter Notebook 👤 TeamHG-Memex Organization 🕐 Aggiornato 2026-04-08 📅 Creato 2016-09-15
8
mars-project/mars

Mars è un framework unificato basato su tensori per il calcolo di dati su larga scala che scala numpy, pandas, scikit-learn e funzioni Python.

mars-project
⭐ 2,751 Python 👤 mars-project Organization 🕐 Aggiornato 2024-01-02 📅 Creato 2018-12-05
9
jolibrain/deepdetect

Server di deep learning e CLI per Torch e TensorRT

jolibrain
⭐ 2,549 C++ 👤 jolibrain Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2015-05-22
10
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
11
kubeflow/trainer

Addestramento distribuito di modelli AI e affinamento LLM su Kubernetes

kubeflow
⭐ 2,287 Go 👤 kubeflow Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2017-06-28
12
AutoViML/AutoViz

Visualizza automaticamente qualsiasi set di dati, di qualsiasi dimensione, con una singola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti. Autorizzazione concessa su richiesta.

AutoViML
⭐ 1,870 Python 👤 AutoViML User 🕐 Aggiornato 2024-06-10 📅 Creato 2019-07-17
13
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
14
Nixtla/mlforecast

Apprendimento automatico 🤖 scalabile per la previsione di serie temporali.

Nixtla
⭐ 1,308 Python 👤 Nixtla Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2021-04-26
15
xorbitsai/xorbits

DS & ML scalabili in Python, in modo compatibile con API e velocissimo.

xorbitsai
⭐ 1,200 Python 👤 xorbitsai Organization 🕐 Aggiornato 2026-02-14 📅 Creato 2022-07-27
16
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
17
NVIDIA/NVFlare

Ambiente di Runtime per Applicazioni di Federated Learning NVIDIA

NVIDIA
⭐ 1,017 Python 👤 NVIDIA Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2021-07-23
18
SeldonIO/MLServer

Un server di inferenza per i tuoi modelli di machine learning, incluso il supporto per framework multipli, serving di più modelli e altro ancora

SeldonIO
⭐ 903 Python 👤 SeldonIO Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2020-06-16
19
Tejas-TA/predikit

Il ponte mancante tra i tuoi modelli di machine learning e i tuoi agenti di IA.

Tejas-TA
⭐ 840 Python 👤 Tejas-TA User 🕐 Aggiornato 2026-10-28 📅 Creato 2026-05-25
20
apachecn/ml-mastery-zh

:book: [Trad.] MachineLearningMastery articolo del blog

apachecn
⭐ 786 JavaScript 👤 apachecn Organization 🕐 Aggiornato 2025-02-19 📅 Creato 2019-03-25
21
StatMixedML/XGBoostLSS

Un'estensione di XGBoost al modellamento probabilistico

StatMixedML
⭐ 738 Python 👤 StatMixedML User 🕐 Aggiornato 2026-10-02 📅 Creato 2019-06-16
22
abhishekkrthakur
⭐ 728 Python 👤 abhishekkrthakur User 🕐 Aggiornato 2024-09-14 📅 Creato 2021-10-26
23
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
24
yandex/rep

Casella degli strumenti per Machine Learning per umani

yandex
⭐ 698 Jupyter Notebook 👤 yandex Organization 🕐 Aggiornato 2024-07-31 📅 Creato 2015-04-13
25
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
26
AutoViML/featurewiz

Utilizza strategie avanzate di feature engineering e seleziona le migliori feature dal tuo set di dati con una singola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Aggiornato 2025-02-19 📅 Creato 2020-11-29
27
Ekeany/Boruta-Shap

Uno strumento di selezione delle funzionalità basato su alberi che combina sia l'algoritmo di selezione delle funzionalità Boruta che i valori Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Aggiornato 2024-02-19 📅 Creato 2020-04-13
28
neptune-ai/neptune-client

📘 Il tracker degli esperimenti per l'addestramento dei modelli fondamentali

neptune-ai
⭐ 623 Python 👤 neptune-ai Organization 🕐 Aggiornato 2026-03-17 📅 Creato 2019-02-11
29
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
30
whyzhow/Kaggle-NeurIPS---Open-Polymer-Prediction-2025-Silver-Algorithm-Overview

Un'implementazione migliorata e riproducibile di una soluzione di previsione di polimeri Open NeurIPS Kaggle Medaglia d'Argento, con canonicalizzazione SMILES, descrittori molecolari, modelli CatBoost/XGBoost, stacking OOF e GNN PyTorch Geometric opzionali.

whyzhow
⭐ 591 Python 👤 whyzhow User 🕐 Aggiornato 2026-02-28 📅 Creato 2026-02-13
31
openscoring/openscoring

Servizio web REST per il vero punteggio in tempo reale (<1 ms) di modelli Scikit-Learn, R e Apache Spark

openscoring
⭐ 587 Java 👤 openscoring Organization 🕐 Aggiornato 2026-02-02 📅 Creato 2013-04-02
32
cerlymarco/shap-hypetune

Un pacchetto Python per la sintonizzazione simultanea degli iperparametri e la selezione delle caratteristiche per i modelli Gradient Boosting.

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 Aggiornato 2024-06-08 📅 Creato 2021-05-16
33
hyperactive-project/Hyperactive

Un'interfaccia unificata per algoritmi di ottimizzazione ed esperimenti

hyperactive-project
⭐ 551 Python 👤 hyperactive-project Organization 🕐 Aggiornato 2026-11-02 📅 Creato 2018-11-01
34
AutoViML/Auto_ViML

Crea automaticamente più modelli ML con una sola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti. Permesso concesso su richiesta.

AutoViML
⭐ 547 Python 👤 AutoViML User 🕐 Aggiornato 2025-01-30 📅 Creato 2019-06-10

Domande frequenti

1

Qual è il repository #xgboost più popolare su GitHub?

Il progetto open source #xgboost più alto in classifica su GitHub è dmlc/xgboost, con 29,010 stelle. Libreria di Gradient Boosting (GBDT, GBRT o GBM) scalabile, portabile e distribuita, per Python, R, Java, Scala, C e altro. Funziona su singola macchina, Hadoop, Spark, Dask, Flink e DataFlow.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #xgboost?

Tra i progetti #xgboost più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Go.

3

Come viene calcolata la classifica dei repository #xgboost?

Monitoriamo 34 repository open source attivi contrassegnati con #xgboost (500+ stelle), per un totale di 80,652 stelle e una media di 2,372 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.