random-forest

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

H2O es una plataforma de Machine Learning de código abierto, distribuida, rápida y escalable: Deep Learning, Gradient Boosting (GBM) y XGBoost, Random Forest, Modelado Lineal Generalizado (GLM con Elastic Net), K-Means, PCA, Modelos Aditivos Generalizados (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Machine Learning Automático (AutoML), etc.

🍊 :bar_chart: :bulb: Orange: Análisis de datos interactivo

Código en Python para algoritmos comunes de Machine Learning

Una librería rápida para AutoML y optimización. Únete a nuestro Discord: https://discord.gg/Cppx2vSPVP.

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

Una biblioteca de Python para la visualización de árboles de decisión y la interpretación de modelos.

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

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

Algoritmos de clasificación de texto: un estudio

Una lista curada de los mejores recursos de inteligencia artificial

SMAC3: Un paquete versátil de optimización bayesiana para la optimización de hiperparámetros.

Bosques Aleatorios Generalizados

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

Un framework de Python eficiente, escalable y optimizado para Deep Forest (2021.2.1).

Motor de inferencia de aprendizaje automático para microcontroladores y dispositivos embebidos.

ThunderGBM: GBDT y Random Forests rápidos en GPU.

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

Impresiona a tu jefe con visualizaciones interactivas de árboles de decisión.

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

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.).

ProphitBet es una aplicación de predicción de apuestas de fútbol basada en aprendizaje automático. Analiza el estado de forma de los equipos, calcula estadísticas de partidos y predice resultados mediante métodos avanzados de Machine Learning (ML). Los algoritmos soportados incluyen redes neuronales, bosques aleatorios y modelos de conjunto.

Compendio de recursos gratuitos de lectura sobre ML.

Biblioteca de aprendizaje automático para la web y Node.

🌲 Implementación del algoritmo Robust Random Cut Forest para la detección de anomalías en flujos de datos.