Git Stars Git Stars

#xgboost リポジトリ

#xgboostのタグが付いた、GitHub上の34件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は80,652個で、プロジェクトあたりの平均は2,372個です。このトピックをリードしているのは、29,010個のスターを獲得しているdmlc/xgboostです。

34
リポジトリ総数
80,652
合計スター数
2,372
リポジトリあたりの平均スター数

リポジトリ合計34件

1
dmlc/xgboost

スケーラブルでポータブルな分散勾配ブースティング(GBDT、GBRT、GBM)ライブラリ。Python、R、Java、Scala、Cなどに対応。単一マシン、Hadoop、Spark、Dask、Flink、DataFlowで動作します。

dmlc
⭐ 29,010 C++ 👤 dmlc Organization 🕐 更新日時 2026-11-19 📅 作成日 2014-02-06
2
kserve/kserve

Kubernetes 上でのスケーラブルでマルチフレームワーク展開のための標準化された分散型生成および予測 AI 推論プラットフォーム

kserve
⭐ 6,253 Go 👤 kserve Organization 🕐 更新日時 2026-11-20 📅 作成日 2019-03-27
3
alibaba/Alink

Alink は、Alibaba 計算プラットフォームの PAI チームが開発した Flink ベースの機械学習アルゴリズムプラットフォームです。

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 更新日時 2024-06-07 📅 作成日 2018-09-30
4
mljar/mljar-supervised

テーブルデータ向け AutoML のための Python パッケージ:特徴エンジニアリング、ハイパーパラメータチューニング、説明、および自動ドキュメント

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 更新日時 2026-11-05 📅 作成日 2018-11-05
5
parrt/dtreeviz

決定木の可視化とモデル解釈のためのPythonライブラリ。

parrt
⭐ 3,161 Jupyter Notebook 👤 parrt User 🕐 更新日時 2026-01-02 📅 作成日 2018-08-13
6
BayesWitnesses/m2cgen

ML モデルをゼロ依存のネイティブ コード (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) に変換

BayesWitnesses
⭐ 2,944 Python 👤 BayesWitnesses Organization 🕐 更新日時 2024-08-03 📅 作成日 2019-01-13
7
TeamHG-Memex/eli5

機械学習分類器のデバッグ/検査とその予測の説明のためのライブラリ

TeamHG-Memex
⭐ 2,858 Jupyter Notebook 👤 TeamHG-Memex Organization 🕐 更新日時 2026-04-08 📅 作成日 2016-09-15
8
mars-project/mars

Mars は、大規模データ計算のためのテンソルベースの統一フレームワークで、numpy、pandas、scikit-learn、および Python 関数をスケーリングします。

mars-project
⭐ 2,751 Python 👤 mars-project Organization 🕐 更新日時 2024-01-02 📅 作成日 2018-12-05
9
jolibrain/deepdetect

Torch および TensorRT 用のディープラーニングサーバーおよび CLI

jolibrain
⭐ 2,549 C++ 👤 jolibrain Organization 🕐 更新日時 2026-11-17 📅 作成日 2015-05-22
10
benedekrozemberczki/awesome-decision-tree-papers

決定木、分類木および回帰木に関する研究論文のコレクションで、実装が含まれます。

benedekrozemberczki
⭐ 2,480 Python 👤 benedekrozemberczki User 🕐 更新日時 2025-12-28 📅 作成日 2019-05-11
11
kubeflow/trainer

Kubernetes 上での分散型 AI モデルトレーニングと LLM 微調整

kubeflow
⭐ 2,287 Go 👤 kubeflow Organization 🕐 更新日時 2026-11-21 📅 作成日 2017-06-28
12
AutoViML/AutoViz

1行のコードで、あらゆるデータセット、あらゆるサイズを自動的に視覚化します。Ram Seshadri 作成。協力歓迎。リクエストに応じて許可が与えられます。

AutoViML
⭐ 1,870 Python 👤 AutoViML User 🕐 更新日時 2024-06-10 📅 作成日 2019-07-17
13
skforecast/skforecast

scikit-learn 互換モデル、統計的手法、および基礎モデルを使用した時系列予測のための Python ライブラリ

skforecast
⭐ 1,551 Python 👤 skforecast Organization 🕐 更新日時 2026-11-21 📅 作成日 2021-02-10
14
Nixtla/mlforecast

時系列予測のためのスケーラブルな機械学習🤖。

Nixtla
⭐ 1,308 Python 👤 Nixtla Organization 🕐 更新日時 2026-11-19 📅 作成日 2021-04-26
15
xorbitsai/xorbits

API互換かつ超高速な方法でスケーラブルなPython DS & ML。

xorbitsai
⭐ 1,200 Python 👤 xorbitsai Organization 🕐 更新日時 2026-02-14 📅 作成日 2022-07-27
16
benedekrozemberczki/awesome-gradient-boosting-papers

実装付きの勾配ブースティング研究論文のキュレーションされたリスト。

benedekrozemberczki
⭐ 1,053 Python 👤 benedekrozemberczki User 🕐 更新日時 2026-01-05 📅 作成日 2019-05-11
17
NVIDIA/NVFlare

NVIDIA Federated Learning アプリケーション ランタイム環境

NVIDIA
⭐ 1,017 Python 👤 NVIDIA Organization 🕐 更新日時 2026-11-21 📅 作成日 2021-07-23
18
SeldonIO/MLServer

機械学習モデル用の推論サーバー。複数のフレームワーク、マルチモデルサービングなどをサポートします

SeldonIO
⭐ 903 Python 👤 SeldonIO Organization 🕐 更新日時 2026-11-20 📅 作成日 2020-06-16
19
Tejas-TA/predikit

あなたの機械学習モデルとAIエージェントをつなぐ、欠けていた架け橋。

Tejas-TA
⭐ 840 Python 👤 Tejas-TA User 🕐 更新日時 2026-10-28 📅 作成日 2026-05-25
20
apachecn/ml-mastery-zh

:book: [訳] MachineLearningMastery ブログ記事

apachecn
⭐ 786 JavaScript 👤 apachecn Organization 🕐 更新日時 2025-02-19 📅 作成日 2019-03-25
21
StatMixedML/XGBoostLSS

XGBoost を確率的モデリングに拡張したもの

StatMixedML
⭐ 738 Python 👤 StatMixedML User 🕐 更新日時 2026-10-02 📅 作成日 2019-06-16
22
abhishekkrthakur
⭐ 728 Python 👤 abhishekkrthakur User 🕐 更新日時 2024-09-14 📅 作成日 2021-10-26
23
mljar/supertree

インタラクティブな決定木の可視化で上司を感動させましょう

mljar
⭐ 700 JavaScript 👤 mljar Organization 🕐 更新日時 2026-08-11 📅 作成日 2024-07-24
24
yandex/rep

人間のための機械学習ツールボックス

yandex
⭐ 698 Jupyter Notebook 👤 yandex Organization 🕐 更新日時 2024-07-31 📅 作成日 2015-04-13
25
kossisoroyce/timber

Ollama:古典的MLモデル用。XGBoost、LightGBM、scikit-learn、CatBoost、ONNXモデルをネイティブC99推論コードに変換するAOTコンパイラ。ロード1コマンド、サーブ1コマンド。Python推論の336倍高速。

kossisoroyce
⭐ 692 Python 👤 kossisoroyce User 🕐 更新日時 2026-04-16 📅 作成日 2026-02-27
26
AutoViML/featurewiz

高度な特徴量エンジニアリング戦略を使用して、1行のコードでデータセットから最適な特徴量を選択します。Ram Seshadriによって作成されました。協力者を歓迎します。

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 更新日時 2025-02-19 📅 作成日 2020-11-29
27
Ekeany/Boruta-Shap

Boruta特徴選択アルゴリズムとshapley値を組み合わせたツリーベースの特徴選択ツール。

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 更新日時 2024-02-19 📅 作成日 2020-04-13
28
neptune-ai/neptune-client

📘 基礎モデル訓練のための実験トラッカー

neptune-ai
⭐ 623 Python 👤 neptune-ai Organization 🕐 更新日時 2026-03-17 📅 作成日 2019-02-11
29
Western-OC2-Lab/Intrusion-Detection-System-Using-Machine-Learning

IDS-MLのコード:機械学習アルゴリズム(決定木、ランダムフォレスト、エクストリームツリー、XGBoost、スタッキング、k-means、ベイズ最適化..)を使用した侵入検知システムの開発

Western-OC2-Lab
⭐ 602 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 更新日時 2026-04-01 📅 作成日 2021-05-25
30
whyzhow/Kaggle-NeurIPS---Open-Polymer-Prediction-2025-Silver-Algorithm-Overview

銀メダル Kaggle NeurIPS オープン聚合物予測ソリューションの改良され再現可能な実装で、SMILES 正規化、分子記述子、CatBoost/XGBoost モデル、OOF スタッキング、およびオプションの PyTorch Geometric GNN を特徴とする。

whyzhow
⭐ 591 Python 👤 whyzhow User 🕐 更新日時 2026-02-28 📅 作成日 2026-02-13
31
openscoring/openscoring

Scikit-Learn、R、Apache Spark モデルの真のリアルタイムスコアリング(<1 ms)のための REST Web サービス

openscoring
⭐ 587 Java 👤 openscoring Organization 🕐 更新日時 2026-02-02 📅 作成日 2013-04-02
32
cerlymarco/shap-hypetune

Gradient Boostingモデルのためのハイパーパラメーターチューニングと特徴選択を同時に行うPythonパッケージ。

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 更新日時 2024-06-08 📅 作成日 2021-05-16
33
hyperactive-project/Hyperactive

最適化アルゴリズムと実験のための統一インターフェース

hyperactive-project
⭐ 551 Python 👤 hyperactive-project Organization 🕐 更新日時 2026-11-02 📅 作成日 2018-11-01
34
AutoViML/Auto_ViML

1行のコードで複数のMLモデルを自動構築。Ram Seshadri作成。コラボレーター歓迎。リクエストにより許可。

AutoViML
⭐ 547 Python 👤 AutoViML User 🕐 更新日時 2025-01-30 📅 作成日 2019-06-10

よくある質問

1

GitHubで最も人気のある#xgboostリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#xgboostプロジェクトは、29,010個のスターを獲得しているdmlc/xgboostです。スケーラブルでポータブルな分散勾配ブースティング(GBDT、GBRT、GBM)ライブラリ。Python、R、Java、Scala、Cなどに対応。単一マシン、Hadoop、Spark、Dask、Flink、DataFlowで動作します。

2

#xgboostリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#xgboostプロジェクトでは、Python, Jupyter Notebook, C++, Goが最も一般的なプログラミング言語です。

3

#xgboostリポジトリのランキングはどのように算出されていますか?

#xgboostのタグが付いた34件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は80,652個で、リポジトリあたりの平均は2,372個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。