#decision-trees 저장소
#decision-trees 태그가 지정된 GitHub의 활성 오픈 소스 저장소 14개를 확인해 보세요. 총 58,478개의 스타를 획득했으며 프로젝트당 평균 4,177개입니다. 이 주제를 이끄는 저장소는 18,995개의 스타를 받은 lightgbm-org/LightGBM입니다.
저장소 총 14개
결정 트리 알고리즘을 기반으로 한 빠르고 분산된 고성능 그래디언트 부스팅 (GBT, GBDT, GBRT, GBM 또는 MART) 프레임워크로, 랭킹, 분류 및 기타 많은 머신러닝 작업에 사용됩니다.
결정 트리 기반의 빠르고 확장 가능하며 고성능 Gradient Boosting 라이브러리로, Python, R, Java, C++용 랭킹, 분류, 회귀 및 기타 머신러닝 작업에 사용됩니다. CPU와 GPU에서 계산을 지원합니다.
Stanford University 및 Deeplearning.ai - Coursera (2022)의 Andrew NG 교수 머신러닝 전문화 솔루션 및 참고 자료 포함
Ollama: 고전 ML 모델용. XGBoost, LightGBM, scikit-learn, CatBoost 및 ONNX 모델을 네이티브 C99 추론 코드로 변환하는 AOT 컴파일러. 로드 한 명령어, 서빙 한 명령어. Python 추론보다 336배 빠름.
Random Forest 및 Gradient Boosted Decision Trees와 같은 결정 트리 모델을 훈련, 평가, 해석 및 프로덕션화하기 위한 라이브러리입니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #decision-trees 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #decision-trees 프로젝트는 18,995개의 스타를 받은 lightgbm-org/LightGBM입니다. 결정 트리 알고리즘을 기반으로 한 빠르고 분산된 고성능 그래디언트 부스팅 (GBT, GBDT, GBRT, GBM 또는 MART) 프레임워크로, 랭킹, 분류 및 기타 많은 머신러닝 작업에 사용됩니다.
#decision-trees 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #decision-trees 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Jupyter Notebook, C++, Python, JavaScript입니다.
#decision-trees 저장소 순위는 어떻게 계산되나요?
#decision-trees 태그가 지정된 활성 오픈 소스 저장소(14개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 58,478개이며 저장소당 평균 4,177개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.