#xgboost Репозитории
Откройте для себя 34 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #xgboost, с общим числом 80,652 звёзд (в среднем 2,372 на проект). Лидером этой темы является dmlc/xgboost, набравший 29,010 звёзд.
Всего репозиториев: 34
Масштабируемая, переносимая и распределённая библиотека градиентного бустинга (GBDT, GBRT или GBM) для Python, R, Java, Scala, C и других языков. Работает на одной машине, Hadoop, Spark, Dask, Flink и DataFlow.
Стандартизированная распределенная платформа для генеративного и предиктивного вывода ИИ для масштабируемого развертывания с несколькими фреймворками на Kubernetes
Alink — это платформа алгоритмов машинного обучения на базе Flink, разработанная командой PAI платформы вычислений Alibaba.
Пакет Python для AutoML на табличных данных с инженерией признаков, настройкой гиперпараметров, объяснениями и автоматической документацией
Преобразуйте модели ML в нативный код (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) без зависимостей
Библиотека для отладки/инспектирования классификаторов машинного обучения и объяснения их предсказаний
Mars — это унифицированная среда на основе тензоров для大规模ных вычислений данных, которая масштабирует numpy, pandas, scikit-learn и функции Python.
Сборник исследовательских статей по деревьям решений, классификации и регрессии с реализациями.
Автоматически визуализируйте любой набор данных любого размера с помощью одной строки кода. Создано Рамом Сешадри. Добро пожаловать, коллеги. Разрешение предоставляется по запросу.
Библиотека Python для прогнозирования временных рядов с использованием моделей, совместимых с scikit-learn, статистических методов и базовых моделей
Куратированный список исследовательских работ по градиентному бустингу с реализациями.
Сервер вывода для ваших моделей машинного обучения, включая поддержку нескольких фреймворков, обслуживание нескольких моделей и многое другое
Ollama для классических моделей ML. Компилятор AOT, который преобразует модели XGBoost, LightGBM, scikit-learn, CatBoost и ONNX в нативный код вывода C99. Одна команда для загрузки, одна команда для обслуживания. В 336 раз быстрее, чем вывод на Python.
Используйте продвинутые стратегии инжиниринга признаков и выбирайте лучшие признаки из вашего набора данных одной строкой кода. Создано Рамом Сешадри. Приглашаем к сотрудничеству.
Инструмент выбора признаков на основе деревьев, который сочетает в себе алгоритм выбора признаков Boruta и значения Shapley.
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..)
Улучшенная и воспроизводимая реализация решения по предсказанию полимеров с серебряной медалью Kaggle NeurIPS Open, включающая канонизацию SMILES, молекулярные дескрипторы, модели CatBoost/XGBoost, OOF-стекинг и опциональные GNN PyTorch Geometric.
REST веб-сервис для истинной оценки в реальном времени (<1 мс) моделей Scikit-Learn, R и Apache Spark
Пакет Python для одновременной настройки гиперпараметров и выбора признаков для моделей градиентного бустинга.
Унифицированный интерфейс для алгоритмов оптимизации и экспериментов
Автоматически создавайте несколько моделей ML с помощью одной строки кода. Создано Ram Seshadri. Добро пожаловать коллабораторам. Разрешение предоставляется по запросу.
Часто задаваемые вопросы
Какой репозиторий по теме #xgboost наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #xgboost на GitHub — dmlc/xgboost, набравший 29,010 звёзд. Масштабируемая, переносимая и распределённая библиотека градиентного бустинга (GBDT, GBRT или GBM) для Python, R, Java, Scala, C и других языков. Работает на одной машине, Hadoop, Spark, Dask, Flink и DataFlow.
Какие языки программирования чаще всего используются в репозиториях по теме #xgboost?
Среди наиболее высоко оценённых проектов по теме #xgboost на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, C++, Go.
Как рассчитывается рейтинг репозиториев по теме #xgboost?
Мы отслеживаем 34 активных репозиториев с открытым исходным кодом, отмеченных тегом #xgboost (500 и более звёзд), с общим числом 80,652 звёзд и в среднем 2,372 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.