gradient-boosting

Un enfoque de teoría de juegos para explicar la salida de cualquier modelo de machine learning.

Un framework de gradient boosting (GBT, GBDT, GBRT, GBM o MART) rápido, distribuido y de alto rendimiento basado en algoritmos de árboles de decisión, utilizado para clasificación, ordenación (ranking) y muchas otras tareas de aprendizaje automático.

Una herramienta de Machine Learning Automatizado en Python que optimiza pipelines de aprendizaje automático mediante programación genética.

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.

Ajusta modelos interpretables. Explica el aprendizaje automático de caja negra.

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

Natural Gradient Boosting para predicción probabilística.

Una lista curada de artículos de minería de datos sobre la detección de fraudes.

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

Un marco de conjunto unificado para PyTorch para mejorar el rendimiento y la robustez de tu modelo de aprendizaje profundo.

Perpetual es una máquina de gradient boosting de alto rendimiento. Ofrece una precisión óptima en una sola ejecución sin ajustes complejos mediante un parámetro de presupuesto simple. Cuenta con soporte integrado para ML causal, aprendizaje continuo, calibración nativa y monitoreo robusto de deriva, junto con un núcleo en Rust y bindings de copia cero para Python y R.

Una colección de algoritmos de vanguardia para el entrenamiento, servicio e interpretación de modelos de Decision Forest en Keras.

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.

Biblioteca para entrenar, evaluar, interpretar y poner en producción modelos de bosque de decisión, como Random Forest y Gradient Boosted Decision Trees.