lightgbm

決定木アルゴリズムに基づいた高速で分散化された高性能な勾配ブースティング（GBT, GBDT, GBRT, GBMまたはMART）フレームワーク。ランキング、分類、およびその他の多くの機械学習タスクに使用されます。

Spark向けにMLアルゴリズムを移植した、シンプルで分散型の機械学習Pythonライブラリ。

特徴量エンジニアリング、ハイパーパラメータチューニング、説明可能性、自動ドキュメント生成を備えた、表形式データ向けAutoML用Pythonパッケージ

依存関係なしで ML モデルをネイティブコード（Java、C、Python、Go、JavaScript、Visual Basic、C#、R、PowerShell、PHP、Dart、Haskell、Ruby、F#、Rust）に変換する

機械学習の分類器をデバッグ・検査し、その予測を説明するためのライブラリ

numpy、pandas、scikit-learn、および Python 関数を拡張する、大規模データ計算向けのテンソルベースの統合フレームワーク Mars

決定木、分類木、回帰木に関する研究論文と実装のコレクション

scikit-learn 互換モデル、統計的手法、基盤モデルを使用した時系列予測用 Python ライブラリ

QuantMind オープンソース版は、個人向けクオンツ研究者向けのローカル金融クオンツ取引プラットフォームです。Microsoft Qlib クオンツフレームワークをベースに構築されており、モデルのトレーニングからバックテスト、推論、実運用取引までの完全な研究クローズドロープを提供します。LightGBM などの主要な機械学習モデルを深く統合し、146 次元のクオンツ因子のトレーニングと推論をサポートしており、ユーザーはアルファ戦略を迅速に構築し、履歴データで効果を検証できます。コア機能には、インテリジェントな戦略生成、モデルトレーニング、バックテストセンター、QuantBot アシスタント、マルチモデル管理が含まれており、すべての機能が無制限で利用可能です。オープンソース版はローカルのスタンドアロンデプロイを採用しており、docker compose によりワンクリックで起動でき、クラウドサービスへの依存が不要で、データとモデルが完全にローカル化され、研究のプライバシーが保護されます。個人開発者、学術研究者、小規模チームがクオンツ戦略のプロトタイプ検証や二次開発を行うのに適しており、金融クオンツ分野に入るための理想的な出発点です。

時系列予測のためのスケーラブルな機械学習

API互換性を持ち、超高速かつスケーラブルなPythonのDSおよびMLライブラリ

実装付きのgradient boostingに関する研究論文の厳選リスト。

複数フレームワークのサポートやマルチモデル配信などを備えた、機械学習モデル向け推論サーバー

Elasticsearch における DataFrame、ビッグデータ、機械学習、ETL 用の Python クライアントおよびツールキット

古典的な ML モデル向けの Ollama。XGBoost、LightGBM、scikit-learn、CatBoost、ONNX モデルをネイティブの C99 推論コードに変換する AOT コンパイラ。1 つのコマンドでロードし、1 つのコマンドでサーブする。Python 推論より 336 倍高速。

インタラクティブな決定木ビジュアライゼーションで上司を感心させよう

IDS-ML のコード：機械学習アルゴリズム（決定木、ランダムフォレスト、エクストラツリー、XGBoost、スタッキング、k-means、ベイズ最適化など）を使用した侵入検知システム開発

Scikit-Learn、R、Apache Sparkのモデルの真のリアルタイムスコアリング（1ms未満）のためのREST Webサービス

Gradient Boostingモデルのハイパーパラメータ調整と特徴量選択を同時に行うためのPythonパッケージ

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