#gbm 仓库
探索 6 个标记为 #gbm 的活跃开源 GitHub 仓库,它们累计获得 65,993 个 Star(平均每个项目 10,998 个)。该主题的领先项目是 dmlc/xgboost,拥有 29,010 个 Star。
共 6 个仓库
可扩展、可移植且分布式的梯度提升(GBDT、GBRT 或 GBM)库,支持 Python、R、Java、Scala、C 等语言。可在单机、Hadoop、Spark、Dask、Flink 和 DataFlow 上运行。
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。
H2O 是一个开源、分布式、快速和可扩展的机器学习平台:深度学习、梯度提升(GBM)和 XGBoost、随机森林、广义线性模型(带弹性网的 GLM)、K-Means、PCA、广义加性模型(GAM)、RuleFit、支持向量机(SVM)、堆叠集成、自动机器学习(AutoML)等。
Perpetual 是一款高性能梯度提升机器。它仅通过一个简单的预算参数即可在一次运行中获得最佳准确度,无需复杂调优。Perpetual 内置了因果机器学习、持续学习、本机校准和稳健漂移监测支持,并提供 Rust 核心及 Python 与 R 的零拷贝绑定。
常见问题解答
GitHub 上最受欢迎的 #gbm 仓库是什么?
GitHub 上排名第一的开源 #gbm 项目是 dmlc/xgboost,拥有 29,010 个 Star。可扩展、可移植且分布式的梯度提升(GBDT、GBRT 或 GBM)库,支持 Python、R、Java、Scala、C 等语言。可在单机、Hadoop、Spark、Dask、Flink 和 DataFlow 上运行。
#gbm 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #gbm 项目中,最常见的编程语言是 C++, Jupyter Notebook, Rust, C。
#gbm 仓库的排名是如何计算的?
我们跟踪了 6 个标记为 #gbm 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 65,993 个 Star,平均每个仓库拥有 10,998 个 Star。排名每日根据 GitHub API 更新。