Git Stars Git Stars

#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
Total de Repositórios
89,943
Total de estrelas
4,497
Média de Estrelas/Repositório
Linguagens de programação: Python Jupyter Notebook C++ Rust

20 repositórios no total

1
shap/shap

Uma abordagem da teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.

shap
⭐ 25,883 Jupyter Notebook 👤 shap Organization 🕐 Atualizado 2026-11-20 📅 Criado 2016-11-22
2
lightgbm-org/LightGBM

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.

lightgbm-org
⭐ 18,995 C++ 👤 lightgbm-org Organization 🕐 Atualizado 2026-11-21 📅 Criado 2016-08-05
3
EpistasisLab/tpot

Uma ferramenta de Aprendizado de Máquina Automatizado em Python que otimiza pipelines de aprendizado de máquina usando programação genética.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Atualizado 2025-09-11 📅 Criado 2015-11-03
4
catboost/catboost

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.

catboost
⭐ 9,210 C++ 👤 catboost Organization 🕐 Atualizado 2026-11-20 📅 Criado 2017-07-18
5
interpretml/interpret

Ajuste modelos interpretáveis. Explique aprendizado de máquina de caixa preta.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Atualizado 2026-11-16 📅 Criado 2019-05-03
6
esokolov/ml-course-hse

Aprendizado de Máquina na Faculdade de Ciências e Tecnologia da Computação da HSE

esokolov
⭐ 4,037 Jupyter Notebook 👤 esokolov User 🕐 Atualizado 2026-11-21 📅 Criado 2016-09-04
7
benedekrozemberczki/awesome-decision-tree-papers

Uma coleção de artigos de pesquisa sobre árvores de decisão, classificação e regressão com implementações.

benedekrozemberczki
⭐ 2,480 Python 👤 benedekrozemberczki User 🕐 Atualizado 2025-12-28 📅 Criado 2019-05-11
8
stanfordmlgroup/ngboost

Gradient Boosting Natural para Previsão Probabilística

stanfordmlgroup
⭐ 1,904 Jupyter Notebook 👤 stanfordmlgroup Organization 🕐 Atualizado 2026-11-15 📅 Criado 2018-06-21
9
benedekrozemberczki/awesome-fraud-detection-papers

Uma lista selecionada de artigos de mineração de dados sobre detecção de fraudes.

benedekrozemberczki
⭐ 1,843 Python 👤 benedekrozemberczki User 🕐 Atualizado 2026-01-05 📅 Criado 2019-05-27
10
benedekrozemberczki/awesome-gradient-boosting-papers

Uma lista com curadoria de artigos de pesquisa sobre gradient boosting com implementações.

benedekrozemberczki
⭐ 1,053 Python 👤 benedekrozemberczki User 🕐 Atualizado 2026-01-05 📅 Criado 2019-05-11
11
TorchEnsemble-Community/Ensemble-Pytorch

Uma estrutura de ensemble unificada para PyTorch para melhorar o desempenho e a robustez do seu modelo de aprendizado profundo.

TorchEnsemble-Community
⭐ 1,040 Python 👤 TorchEnsemble-Community Organization 🕐 Atualizado 2024-06-16 📅 Criado 2019-09-11
12
IIIS-Li-Group/OpenFE

OpenFE: geração automatizada de recursos com desempenho de nível especialista

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 Atualizado 2024-05-27 📅 Criado 2022-11-21
13
dmlc/treelite

Formato universal de troca de modelos e serialização para florestas de árvores de decisão

dmlc
⭐ 833 C++ 👤 dmlc Organization 🕐 Atualizado 2026-11-17 📅 Criado 2017-06-28
14
dabl/dabl

Biblioteca Base de Análise de Dados

dabl
⭐ 727 Jupyter Notebook 👤 dabl Organization 🕐 Atualizado 2024-12-16 📅 Criado 2018-09-14
15
perpetual-ml/perpetual

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.

perpetual-ml
⭐ 718 Rust 👤 perpetual-ml Organization 🕐 Atualizado 2026-11-11 📅 Criado 2024-05-20
16
tensorflow/decision-forests

Uma coleção de algoritmos de ponta para o treinamento, serviço e interpretação de modelos de Floresta de Decisão no Keras.

tensorflow
⭐ 693 Python 👤 tensorflow Organization 🕐 Atualizado 2026-05-19 📅 Criado 2021-04-22
17
kossisoroyce/timber

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.

kossisoroyce
⭐ 692 Python 👤 kossisoroyce User 🕐 Atualizado 2026-04-16 📅 Criado 2026-02-27
18
google/yggdrasil-decision-forests

Uma biblioteca para treinar, avaliar, interpretar e colocar em produção modelos de florestas de decisão, como Random Forest e Gradient Boosted Decision Trees.

google
⭐ 680 C++ 👤 google Organization 🕐 Atualizado 2026-11-20 📅 Criado 2021-04-22
19
motefly/DeepGBM

SIGKDD'2019: DeepGBM: Uma Estrutura de Deep Learning Destilada por GBDT para Tarefas de Predição Online

motefly
⭐ 658 Python 👤 motefly User 🕐 Atualizado 2024-07-25 📅 Criado 2019-02-10

Perguntas Frequentes

1

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.

2

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.

3

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.