#lightgbm Repositórios
Descubra 26 repositórios ativos de código aberto no GitHub marcados com #lightgbm, acumulando um total de 70,365 estrelas (uma média de 2,706 por projeto). O líder deste tópico é lightgbm-org/LightGBM, com 18,995 estrelas.
26 repositórios no total
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.
Materiais de educação em IA para estudantes, professores e profissionais de TI chineses.
Biblioteca Python de aprendizado de máquina simples e distribuída que porta algoritmos de ML para Spark
Pacote Python para AutoML em Dados Tabulares com Engenharia de Atributos, Ajuste de Hiperparâmetros, Explicações e Documentação Automática
Transforme modelos de ML em código nativo (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) com zero dependências
Uma biblioteca para depurar/inspecionar classificadores de aprendizado de máquina e explicar suas previsões
Mars é uma estrutura unificada baseada em tensores para computação de dados em larga escala que escala as funções numpy, pandas, scikit-learn e Python.
Uma coleção de artigos de pesquisa sobre árvores de decisão, classificação e regressão com implementações.
O seletor de recursos é uma ferramenta para redução de dimensionalidade de conjuntos de dados de aprendizado de máquina
A edição de código aberto do QuantMind (Cérebro Quantitativo) é uma plataforma de negociação quantitativa multimercado nativa de IA, voltada para desenvolvedores individuais e equipes de pesquisa e investimento. Ela integra profundamente o Microsoft Qlib, a evolução de fatores do RD-Agent e o ambiente de trabalho completo QuantBot, oferecendo um ciclo fechado completo que abrange a mineração de mais de 300 dimensões de fatores, uma fábrica de modelos com 13 modelos de aprendizado de máquina e aprendizado profundo, backtesting de alto desempenho com Qlib, inferência transversal em lote, análise de sentimento da opinião pública em tempo real 24 horas por dia, 7 dias por semana, integração avançada com o TongdaXin (notificações setoriais, radar de alertas e envio rápido de ordens), além de negociação real e simulada. Oferece suporte a ações A, ações de Hong Kong, ações dos EUA, futuros e blockchain. Pode ser usada comercialmente de forma gratuita e implantada de maneira privada com um clique por meio do Docker Compose. Dados e modelos são totalmente mantidos localmente para proteger a privacidade das estratégias, e todos os recursos estão disponíveis sem barreiras de entrada ou limitações.
Biblioteca Python para previsão de séries temporais usando modelos compatíveis com scikit-learn, métodos estatísticos e modelos fundamentais
DS e ML escaláveis em Python, de forma compatível com API e extremamente rápida.
Uma lista com curadoria de artigos de pesquisa sobre gradient boosting com implementações.
Um servidor de inferência para seus modelos de aprendizado de máquina, incluindo suporte para múltiplos frameworks, serviço de múltiplos modelos e muito mais
Cliente e Toolkit Python para DataFrames, Big Data, Machine Learning e ETL em Elasticsearch
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.
SIGKDD'2019: DeepGBM: Uma Estrutura de Deep Learning Destilada por GBDT para Tarefas de Predição Online
📘 O rastreador de experimentos para o treinamento de modelos de fundação
Uma plataforma híbrida de segurança de endpoints do Windows, desenvolvida com aprendizado de máquina, regras YARA, análise na nuvem e proteção comportamental em nível de kernel.
Código para IDS-ML: desenvolvimento de sistema de detecção de intrusão usando algoritmos de aprendizado de máquina (Árvore de decisão, random forest, extra trees, XGBoost, stacking, k-means, otimização Bayesiana..)
Serviço web REST para pontuação verdadeira em tempo real (<1 ms) de modelos Scikit-Learn, R e Apache Spark
Um pacote Python para Ajuste Simultâneo de Hiperparâmetros e Seleção de Recursos para Modelos de Gradient Boosting.
Perguntas Frequentes
Qual é o repositório de #lightgbm mais popular no GitHub?
O projeto de código aberto de #lightgbm mais bem classificado no GitHub é lightgbm-org/LightGBM, com 18,995 estrelas. 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.
Quais linguagens de programação são mais usadas nos repositórios de #lightgbm?
Entre os projetos de #lightgbm mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, HTML.
Como é calculada a classificação dos repositórios de #lightgbm?
Acompanhamos 26 repositórios ativos de código aberto marcados com #lightgbm (com mais de 500 estrelas), totalizando 70,365 estrelas e uma média de 2,706 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.