catboost

Una biblioteca de Gradient Boosting on Decision Trees rápida, escalable y de alto rendimiento, utilizada para tareas de clasificación, regresión, ranking y otras de machine learning para Python, R, Java, C++. Soporta computación en CPU y GPU.

Paquete de Python para AutoML en datos tabulares con ingeniería de características, ajuste de hiperparámetros, explicaciones y documentación automática

Una colección de artículos de investigación sobre árboles de decisión, clasificación y regresión con implementaciones.

Librería de Python para pronóstico de series temporales utilizando modelos compatibles con scikit-learn, métodos estadísticos y modelos base

Repositorio de tutoriales de CatBoost

Lista curada de artículos de investigación sobre gradient boosting con sus implementaciones.

Ollama para modelos de ML clásico. Compilador AOT que convierte modelos de XGBoost, LightGBM, scikit-learn, CatBoost y ONNX en código de inferencia C99 nativo. Un comando para cargar, un comando para servir. 336 veces más rápido que la inferencia en Python.

Código para IDS-ML: desarrollo de sistemas de detección de intrusos mediante algoritmos de aprendizaje automático (árboles de decisión, random forest, extra trees, XGBoost, stacking, k-means, optimización bayesiana, etc.).