Git Stars Git Stars

#xgboost Repositórios

Descubra 34 repositórios ativos de código aberto no GitHub marcados com #xgboost, acumulando um total de 80,652 estrelas (uma média de 2,372 por projeto). O líder deste tópico é dmlc/xgboost, com 29,010 estrelas.

34
Total de Repositórios
80,652
Total de estrelas
2,372
Média de Estrelas/Repositório

34 repositórios no total

1
dmlc/xgboost

Biblioteca de Gradient Boosting (GBDT, GBRT ou GBM) escalável, portátil e distribuída, para Python, R, Java, Scala, C e mais. Executa em uma única máquina, Hadoop, Spark, Dask, Flink e DataFlow.

dmlc
⭐ 29,010 C++ 👤 dmlc Organization 🕐 Atualizado 2026-11-19 📅 Criado 2014-02-06
2
kserve/kserve

Plataforma Padronizada de Inferência de IA Generativa e Preditiva Distribuída para Implantação Escalável e Multi-Framework no Kubernetes

kserve
⭐ 6,253 Go 👤 kserve Organization 🕐 Atualizado 2026-11-20 📅 Criado 2019-03-27
3
alibaba/Alink

Alink é a plataforma de algoritmos de Machine Learning baseada em Flink, desenvolvida pela equipe PAI da plataforma de computação Alibaba.

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 Atualizado 2024-06-07 📅 Criado 2018-09-30
4
mljar/mljar-supervised

Pacote Python para AutoML em Dados Tabulares com Engenharia de Atributos, Ajuste de Hiperparâmetros, Explicações e Documentação Automática

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Atualizado 2026-11-05 📅 Criado 2018-11-05
5
parrt/dtreeviz

Uma biblioteca Python para visualização de árvores de decisão e interpretação de modelos.

parrt
⭐ 3,161 Jupyter Notebook 👤 parrt User 🕐 Atualizado 2026-01-02 📅 Criado 2018-08-13
6
BayesWitnesses/m2cgen

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

BayesWitnesses
⭐ 2,944 Python 👤 BayesWitnesses Organization 🕐 Atualizado 2024-08-03 📅 Criado 2019-01-13
7
TeamHG-Memex/eli5

Uma biblioteca para depurar/inspecionar classificadores de aprendizado de máquina e explicar suas previsões

TeamHG-Memex
⭐ 2,858 Jupyter Notebook 👤 TeamHG-Memex Organization 🕐 Atualizado 2026-04-08 📅 Criado 2016-09-15
8
mars-project/mars

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.

mars-project
⭐ 2,751 Python 👤 mars-project Organization 🕐 Atualizado 2024-01-02 📅 Criado 2018-12-05
9
jolibrain/deepdetect

Servidor de aprendizado profundo e CLI para Torch e TensorRT

jolibrain
⭐ 2,549 C++ 👤 jolibrain Organization 🕐 Atualizado 2026-11-17 📅 Criado 2015-05-22
10
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
11
kubeflow/trainer

Treinamento distribuído de modelos AI e ajuste fino de LLM no Kubernetes

kubeflow
⭐ 2,287 Go 👤 kubeflow Organization 🕐 Atualizado 2026-11-21 📅 Criado 2017-06-28
12
AutoViML/AutoViz

Visualize automaticamente qualquer conjunto de dados, de qualquer tamanho, com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos. Permissão concedida mediante solicitação.

AutoViML
⭐ 1,870 Python 👤 AutoViML User 🕐 Atualizado 2024-06-10 📅 Criado 2019-07-17
13
skforecast/skforecast

Biblioteca Python para previsão de séries temporais usando modelos compatíveis com scikit-learn, métodos estatísticos e modelos fundamentais

skforecast
⭐ 1,551 Python 👤 skforecast Organization 🕐 Atualizado 2026-11-21 📅 Criado 2021-02-10
14
Nixtla/mlforecast

Aprendizagem de máquina 🤖 escalável para previsão de séries temporais.

Nixtla
⭐ 1,308 Python 👤 Nixtla Organization 🕐 Atualizado 2026-11-19 📅 Criado 2021-04-26
15
xorbitsai/xorbits

DS e ML escaláveis em Python, de forma compatível com API e extremamente rápida.

xorbitsai
⭐ 1,200 Python 👤 xorbitsai Organization 🕐 Atualizado 2026-02-14 📅 Criado 2022-07-27
16
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
17
NVIDIA/NVFlare

Ambiente de Tempo de Execução de Aplicações de Aprendizagem Federada da NVIDIA

NVIDIA
⭐ 1,017 Python 👤 NVIDIA Organization 🕐 Atualizado 2026-11-21 📅 Criado 2021-07-23
18
SeldonIO/MLServer

Um servidor de inferência para seus modelos de aprendizado de máquina, incluindo suporte para múltiplos frameworks, serviço de múltiplos modelos e muito mais

SeldonIO
⭐ 903 Python 👤 SeldonIO Organization 🕐 Atualizado 2026-11-20 📅 Criado 2020-06-16
19
Tejas-TA/predikit

A ponte que faltava entre seus modelos de aprendizado de máquina e seus agentes de IA.

Tejas-TA
⭐ 840 Python 👤 Tejas-TA User 🕐 Atualizado 2026-10-28 📅 Criado 2026-05-25
20
apachecn/ml-mastery-zh

:book: [Trad] Artigo de blog MachineLearningMastery

apachecn
⭐ 786 JavaScript 👤 apachecn Organization 🕐 Atualizado 2025-02-19 📅 Criado 2019-03-25
21
StatMixedML/XGBoostLSS

Uma extensão do XGBoost para modelagem probabilística

StatMixedML
⭐ 738 Python 👤 StatMixedML User 🕐 Atualizado 2026-10-02 📅 Criado 2019-06-16
22
abhishekkrthakur
⭐ 728 Python 👤 abhishekkrthakur User 🕐 Atualizado 2024-09-14 📅 Criado 2021-10-26
23
mljar/supertree

Impressione seu chefe com a visualização interativa de árvore de decisão

mljar
⭐ 700 JavaScript 👤 mljar Organization 🕐 Atualizado 2026-08-11 📅 Criado 2024-07-24
24
yandex/rep

Caixa de ferramentas de Machine Learning para Humanos

yandex
⭐ 698 Jupyter Notebook 👤 yandex Organization 🕐 Atualizado 2024-07-31 📅 Criado 2015-04-13
25
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
26
AutoViML/featurewiz

Use estratégias avançadas de engenharia de recursos e selecione os melhores recursos do seu conjunto de dados com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Atualizado 2025-02-19 📅 Criado 2020-11-29
27
Ekeany/Boruta-Shap

Uma ferramenta de seleção de recursos baseada em árvores que combina o algoritmo de seleção de recursos Boruta com os valores de Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Atualizado 2024-02-19 📅 Criado 2020-04-13
28
neptune-ai/neptune-client

📘 O rastreador de experimentos para o treinamento de modelos de fundação

neptune-ai
⭐ 623 Python 👤 neptune-ai Organization 🕐 Atualizado 2026-03-17 📅 Criado 2019-02-11
29
Western-OC2-Lab/Intrusion-Detection-System-Using-Machine-Learning

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..)

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

Uma implementação aprimorada e reprodutível de uma solução de previsão de polímeros Open NeurIPS Kaggle Medalha de Prata, com canonicalização SMILES, descritores moleculares, modelos CatBoost/XGBoost, empilhamento OOF e GNNs PyTorch Geometric opcionais.

whyzhow
⭐ 591 Python 👤 whyzhow User 🕐 Atualizado 2026-02-28 📅 Criado 2026-02-13
31
openscoring/openscoring

Serviço web REST para pontuação verdadeira em tempo real (<1 ms) de modelos Scikit-Learn, R e Apache Spark

openscoring
⭐ 587 Java 👤 openscoring Organization 🕐 Atualizado 2026-02-02 📅 Criado 2013-04-02
32
cerlymarco/shap-hypetune

Um pacote Python para Ajuste Simultâneo de Hiperparâmetros e Seleção de Recursos para Modelos de Gradient Boosting.

cerlymarco
⭐ 584 Jupyter Notebook 👤 cerlymarco User 🕐 Atualizado 2024-06-08 📅 Criado 2021-05-16
33
hyperactive-project/Hyperactive

Uma interface unificada para algoritmos de otimização e experimentos

hyperactive-project
⭐ 551 Python 👤 hyperactive-project Organization 🕐 Atualizado 2026-11-02 📅 Criado 2018-11-01
34
AutoViML/Auto_ViML

Crie Automaticamente Múltiplos Modelos de ML com Uma Única Linha de Código. Criado por Ram Seshadri. Colaboradores Bem-vindos. Permissão Concedida mediante Solicitação.

AutoViML
⭐ 547 Python 👤 AutoViML User 🕐 Atualizado 2025-01-30 📅 Criado 2019-06-10

Perguntas Frequentes

1

Qual é o repositório de #xgboost mais popular no GitHub?

O projeto de código aberto de #xgboost mais bem classificado no GitHub é dmlc/xgboost, com 29,010 estrelas. Biblioteca de Gradient Boosting (GBDT, GBRT ou GBM) escalável, portátil e distribuída, para Python, R, Java, Scala, C e mais. Executa em uma única máquina, Hadoop, Spark, Dask, Flink e DataFlow.

2

Quais linguagens de programação são mais usadas nos repositórios de #xgboost?

Entre os projetos de #xgboost mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, Go.

3

Como é calculada a classificação dos repositórios de #xgboost?

Acompanhamos 34 repositórios ativos de código aberto marcados com #xgboost (com mais de 500 estrelas), totalizando 80,652 estrelas e uma média de 2,372 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.