#decision-trees 仓库
探索 14 个标记为 #decision-trees 的活跃开源 GitHub 仓库,它们累计获得 58,478 个 Star(平均每个项目 4,177 个)。该主题的领先项目是 lightgbm-org/LightGBM,拥有 18,995 个 Star。
共 14 个仓库
一个快速、分布式、高性能的梯度提升 (GBT, GBDT, GBRT, GBM 或 MART) 框架,基于决策树算法,用于排名、分类和许多其他机器学习任务。
斯坦福大学和Deeplearning.ai - Coursera (2022) 由 Andrew NG 教授主讲的机器学习专业化课程的解决方案和笔记
Ollama 用于经典 ML 模型。AOT 编译器,将 XGBoost、LightGBM、scikit-learn、CatBoost 和 ONNX 模型转换为原生 C99 推理代码。加载一条命令,服务一条命令。比 Python 推理快 336 倍。
常见问题解答
GitHub 上最受欢迎的 #decision-trees 仓库是什么?
GitHub 上排名第一的开源 #decision-trees 项目是 lightgbm-org/LightGBM,拥有 18,995 个 Star。一个快速、分布式、高性能的梯度提升 (GBT, GBDT, GBRT, GBM 或 MART) 框架,基于决策树算法,用于排名、分类和许多其他机器学习任务。
#decision-trees 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #decision-trees 项目中,最常见的编程语言是 Jupyter Notebook, C++, Python, JavaScript。
#decision-trees 仓库的排名是如何计算的?
我们跟踪了 14 个标记为 #decision-trees 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 58,478 个 Star,平均每个仓库拥有 4,177 个 Star。排名每日根据 GitHub API 更新。