lightgbm

Kerangka kerja gradient boosting (GBT, GBDT, GBRT, GBM, atau MART) yang cepat, terdistribusi, dan berkinerja tinggi berdasarkan algoritma pohon keputusan, digunakan untuk pemeringkatan, klasifikasi, dan berbagai tugas pembelajaran mesin lainnya.

Pustaka Python Machine Learning yang sederhana dan terdistribusi untuk memindahkan algoritma ML ke Spark.

Paket Python untuk AutoML pada Data Tabular dengan Rekayasa Fitur, Penyetelan Hyper-Parameter, Penjelasan, dan Dokumentasi Otomatis

Ubah model ML menjadi kode asli (Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust) tanpa dependensi.

Pustaka untuk men-debug/menginspeksi pengklasifikasi machine learning dan menjelaskan prediksinya.

Mars adalah kerangka kerja terpadu berbasis tensor untuk komputasi data skala besar yang menskalakan fungsi numpy, pandas, scikit-learn, dan Python.

Koleksi makalah penelitian tentang pohon keputusan, klasifikasi, dan regresi beserta implementasinya.

Pustaka Python untuk peramalan deret waktu menggunakan model yang kompatibel dengan scikit-learn, metode statistik, dan model dasar

Pembelajaran mesin 🤖 yang dapat diskalakan untuk peramalan deret waktu.

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。

Python DS & ML yang skalabel, dengan cara yang kompatibel dengan API & sangat cepat.

Daftar kurasi makalah penelitian gradient boosting beserta implementasinya.

Server inferensi untuk model pembelajaran mesin Anda, termasuk dukungan untuk berbagai kerangka kerja, penyajian multi-model, dan banyak lagi

Klien dan Toolkit Python untuk DataFrame, Big Data, Machine Learning, dan ETL di Elasticsearch

Ollama untuk model ML klasik. Kompiler AOT yang mengubah model XGBoost, LightGBM, scikit-learn, CatBoost & ONNX menjadi kode inferensi C99 asli. Satu perintah untuk memuat, satu perintah untuk melayani. 336x lebih cepat daripada inferensi Python.

Buat atasan Anda terkesan dengan visualisasi Decision Tree interaktif.

Kode untuk IDS-ML: pengembangan sistem deteksi intrusi menggunakan algoritma machine learning (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, optimisasi Bayesian..)

Layanan web REST untuk skoring real-time sejati (<1 md) pada model Scikit-Learn, R, dan Apache Spark

Paket python untuk Penyetelan Hyperparameter dan Pemilihan Fitur simultan untuk Model Gradient Boosting.