lightgbm

Un framework de gradient boosting (GBT, GBDT, GBRT, GBM ou MART) rapide, distribué et haute performance basé sur des algorithmes d'arbres de décision, utilisé pour le classement, la classification et de nombreuses autres tâches d'apprentissage automatique.

Bibliothèque Python d'apprentissage automatique simple et distribuée, portant des algorithmes ML pour Spark

Package Python pour l'AutoML sur données tabulaires, incluant ingénierie des caractéristiques, réglage des hyperparamètres, explicabilité et documentation automatique

Transformez des modèles ML en code natif (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) sans dépendances

Une bibliothèque pour déboguer/inspecter les classifieurs d'apprentissage automatique et expliquer leurs prédictions.

Mars est un framework unifié basé sur les tenseurs pour le calcul de données à grande échelle, faisant évoluer numpy, pandas, scikit-learn et les fonctions Python

Collection d'articles de recherche sur les arbres de décision, de classification et de régression avec implémentations.

Bibliothèque Python pour la prévision de séries temporelles utilisant des modèles compatibles avec scikit-learn, des méthodes statistiques et des modèles de fondation.

QuantMind（量化大脑）开源版是一款面向个人开发者与投研团队的 AI 原生多市场量化交易平台。深度集成微软 Qlib、RD-Agent 因子演化与 TradingAgents 多智能体投研，提供从 300+ 维因子挖掘、13 种机器学习与深度学习模型工场、Optuna 自动调参、Qlib 高性能回测、截面批量推理、7x24 实时舆情情绪分析，到通达信深度联动（板块推送/预警雷达/闪电下单）与实盘模拟交易的完整闭环。全面支持 A股、港股、美股、期货及区块链。系统采用 Docker Compose 一键私有化部署，数据与模型完全本地化，保障策略隐私，功能零门槛无限制。

Apprentissage automatique évolutif pour la prévision de séries temporelles.

Data Science et ML en Python, scalables, ultra-rapides et compatibles avec les API.

Une liste organisée d'articles de recherche sur le gradient boosting avec leurs implémentations.

Serveur d'inférence pour vos modèles de machine learning, incluant la prise en charge de multiples frameworks, le service multi-modèles et plus encore

Client Python et boîte à outils pour DataFrames, Big Data, Machine Learning et ETL dans Elasticsearch

Ollama pour les modèles de ML classiques. Compilateur AOT qui transforme les modèles XGBoost, LightGBM, scikit-learn, CatBoost et ONNX en code d'inférence C99 natif. Une commande pour charger, une commande pour diffuser. 336 fois plus rapide que l'inférence Python.

Impressionnez votre patron avec une visualisation interactive d'arbre de décision

Code pour IDS-ML : développement d'un système de détection d'intrusions utilisant des algorithmes de machine learning (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, optimisation bayésienne...)

Service web REST pour le scoring en temps réel (<1 ms) de modèles Scikit-Learn, R et Apache Spark

Un paquet Python pour l'optimisation simultanée des hyperparamètres et la sélection de caractéristiques pour les modèles Gradient Boosting.

Antivirus software written in Python and C++ that blocks threats through Machine Learning and behavioral monitoring!