#gradient-boosting Repositórios
Descubra 20 repositórios ativos de código aberto no GitHub marcados com #gradient-boosting, acumulando um total de 89,943 estrelas (uma média de 4,497 por projeto). O líder deste tópico é shap/shap, com 25,883 estrelas.
20 repositórios no total
Uma abordagem da teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.
Um framework rápido, distribuído e de alto desempenho para gradient boosting (GBT, GBDT, GBRT, GBM ou MART) baseado em algoritmos de árvore de decisão, usado para ranking, classificação e muitas outras tarefas de aprendizado de máquina.
Uma ferramenta de Aprendizado de Máquina Automatizado em Python que otimiza pipelines de aprendizado de máquina usando programação genética.
Uma biblioteca de Gradient Boosting em Árvores de Decisão rápida, escalável e de alto desempenho, usada para ranking, classificação, regressão e outras tarefas de aprendizado de máquina para Python, R, Java, C++. Suporta computação em CPU e GPU.
Ajuste modelos interpretáveis. Explique aprendizado de máquina de caixa preta.
Aprendizado de Máquina na Faculdade de Ciências e Tecnologia da Computação da HSE
Uma coleção de artigos de pesquisa sobre árvores de decisão, classificação e regressão com implementações.
Uma lista selecionada de artigos de mineração de dados sobre detecção de fraudes.
Uma lista com curadoria de artigos de pesquisa sobre gradient boosting com implementações.
Uma estrutura de ensemble unificada para PyTorch para melhorar o desempenho e a robustez do seu modelo de aprendizado profundo.
OpenFE: geração automatizada de recursos com desempenho de nível especialista
Formato universal de troca de modelos e serialização para florestas de árvores de decisão
Perpetual é uma máquina de gradient boosting de alto desempenho. Ela entrega precisão ótima em uma única execução sem ajustes complexos, apenas com um simples parâmetro de orçamento. Possui suporte pronto para ML causal, aprendizado contínuo, calibração nativa e monitoramento robusto de deriva, além de contar com um núcleo em Rust e ligações zero-cópia para Python e R.
Uma coleção de algoritmos de ponta para o treinamento, serviço e interpretação de modelos de Floresta de Decisão no Keras.
Ollama para modelos ML clássicos. Compilador AOT que transforma modelos XGBoost, LightGBM, scikit-learn, CatBoost e ONNX em código de inferência nativo C99. Um comando para carregar, um comando para servir. 336x mais rápido que inferência em Python.
Uma biblioteca para treinar, avaliar, interpretar e colocar em produção modelos de florestas de decisão, como Random Forest e Gradient Boosted Decision Trees.
SIGKDD'2019: DeepGBM: Uma Estrutura de Deep Learning Destilada por GBDT para Tarefas de Predição Online
Perguntas Frequentes
Qual é o repositório de #gradient-boosting mais popular no GitHub?
O projeto de código aberto de #gradient-boosting mais bem classificado no GitHub é shap/shap, com 25,883 estrelas. Uma abordagem da teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.
Quais linguagens de programação são mais usadas nos repositórios de #gradient-boosting?
Entre os projetos de #gradient-boosting mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, Rust.
Como é calculada a classificação dos repositórios de #gradient-boosting?
Acompanhamos 20 repositórios ativos de código aberto marcados com #gradient-boosting (com mais de 500 estrelas), totalizando 89,943 estrelas e uma média de 4,497 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.