#ensemble-learning Репозитории
Откройте для себя 24 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #ensemble-learning, с общим числом 48,495 звёзд (в среднем 2,020 на проект). Лидером этой темы является autogluon/autogluon, набравший 10,843 звёзд.
Всего репозиториев: 24
H2O — это Open Source, распределенная, быстрая и масштабируемая платформа машинного обучения: Deep Learning, Gradient Boosting (GBM) и XGBoost, Random Forest, Generalized Linear Modeling (GLM с Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML) и т. д.
Я считаю, что вы, аспиранты и соискатели, для которых эта книга в первую очередь предназначена, получите пользу от ее прочтения; однако я надеюсь, что даже самые опытные исследователи найдут ее увлекательной.
Merlion: Фреймворк машинного обучения для интеллектуального анализа временных рядов
Сборник исследовательских статей по деревьям решений, классификации и регрессии с реализациями.
😎 Все о классах с несбалансированными/длинными хвостами: статьи, коды, фреймворки и библиотеки | Все о классах с несбалансированными/длинными хвостами: статьи, коды, фреймворки и библиотеки
Единая структура ансамбля для PyTorch для улучшения производительности и устойчивости вашей модели глубокого обучения.
Кодовая база и курируемый список отличных моделей глубокого обучения с длинным хвостом (TPAMI 2023).
Официальная реализация «ADBench: Benchmark для обнаружения аномалий», NeurIPS 2022.
МНОГОГЕНЕРАТОРНАЯ СОВОКУПНАЯ СИСТЕМА ДЛЯ ПРЕОБРАЗОВАНИЯ ЕСТЕСТВЕННОГО ЯЗЫКА В SQL
Эффективный, масштабируемый и оптимизированный фреймворк Python для Deep Forest (2021.2.1)
Сборник методов обнаружения аномалий (iid/на основе точек, граф и временные ряды), включая активное обучение для обнаружения/открытия аномалий, байесовское извлечение правил, описание для разнообразия/объяснения/интерпретируемости. Анализ интеграции обратной связи по меткам с детекторами на основе ансамблей и деревьев. Включает adversarial атаки с Graph Convolutional Network.
Слияние моделей в LLMs, MLLMs и далее: методы, теории, приложения и возможности. ACM Computing Surveys, 2026.
Хранилище наших статей: Роботический Мировой Модель: Нейронный сетевой симулятор для надежной оптимизации политик в робототехнике и неопределённо‑сознательный Роботический Мировой Модель делает офлайн модельное обучение с подкреплением работоспособным на реальных роботов
Официальный кодовый репозиторий для "Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights" (ICML 2026 Spotlight)
(AAAI' 20) Набор инструментов Python для комбинирования моделей машинного обучения
Код для IDS-ML: разработка систем обнаружения вторжений с использованием алгоритмов машинного обучения (Дерево решений, случайный лес, экстремальные деревья, XGBoost, стекинг, k-средних, байесовская оптимизация..)
Библиотека Python для динамического выбора классификаторов и ансамблей
Часто задаваемые вопросы
Какой репозиторий по теме #ensemble-learning наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #ensemble-learning на GitHub — autogluon/autogluon, набравший 10,843 звёзд. Быстрое и точное ML в 3 строки кода
Какие языки программирования чаще всего используются в репозиториях по теме #ensemble-learning?
Среди наиболее высоко оценённых проектов по теме #ensemble-learning на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C++, Julia.
Как рассчитывается рейтинг репозиториев по теме #ensemble-learning?
Мы отслеживаем 24 активных репозиториев с открытым исходным кодом, отмеченных тегом #ensemble-learning (500 и более звёзд), с общим числом 48,495 звёзд и в среднем 2,020 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.