ensemble-learning

Schnelles und präzises ML in 3 Zeilen Code

H2O ist eine Open-Source-, verteilte, schnelle und skalierbare Plattform für maschinelles Lernen: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM mit Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML) usw.

Ich bin überzeugt, dass Studierende im Aufbaustudium und Arbeitssuchende, für die dieses Buch in erster Linie gedacht ist, von der Lektüre profitieren werden; ich hoffe jedoch, dass es selbst erfahrensten Forschern faszinierend erscheinen wird.

Eine Sammlung von Forschungspapieren zu Entscheidungs-, Klassifikations- und Regressionsbäumen inklusive Implementierungen.

Ein Julia Machine-Learning-Framework

Data-Science-Kurs 2015 der General Assembly in Washington, DC

😎 Alles über klassenübergreifendes/Long-Tail-Lernen: Paper, Code, Frameworks und Bibliotheken

Ein einheitliches Ensemble-Framework für PyTorch zur Verbesserung der Leistung und Robustheit Ihres Deep-Learning-Modells.

Offizielle Implementierung von "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Ein effizientes, skalierbares und optimiertes Python-Framework für Deep Forest (2021.2.1)

Eine Sammlung von Anomalieerkennungsmethoden (IID/punktbasiert, Graphen und Zeitreihen) einschließlich aktiverem Lernen zur Anomalieerkennung/-entdeckung, Bayes'schem Regelmining und Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Einbindung von Feedback zu Labels mit Ensemble- und baumbasierten Detektoren. Beinhaltet gegnerische Angriffe mit Graph Convolutional Networks.

Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.

Python-Paket für Stacking (eine Technik des maschinellen Lernens).

Offizielle Codebasis für „Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights“ (ICML 2026 Spotlight)

Code für IDS-ML: Entwicklung von Intrusion-Detection-Systemen mit Machine-Learning-Algorithmen (Entscheidungsbaum, Random Forest, Extra Trees, XGBoost, Stacking, k-Means, Bayes-Optimierung..)

Eine Python-Bibliothek für dynamische Klassifikatoren und Ensemble-Selektion