ensemble-learning

ML rápido e preciso em 3 linhas de código

H2O é uma plataforma de aprendizado de máquina de código aberto, distribuída, rápida e escalável: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM com Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.

Acredito que vocês, estudantes de pós-graduação e candidatos a emprego para quem o livro é destinado, se beneficiarão da leitura; no entanto, espero que até os pesquisadores mais experientes o achem fascinante.

Uma coleção de artigos de pesquisa sobre árvores de decisão, classificação e regressão com implementações.

Um framework de aprendizado de máquina para Julia

Curso de Ciência de Dados de 2015 da General Assembly em Washington, DC.

😎 Tudo sobre aprendizado com classes desbalanceadas e cauda longa: artigos, códigos, frameworks e bibliotecas

Uma estrutura de conjunto unificada para PyTorch para melhorar o desempenho e a robustez do seu modelo de deep learning.

Implementação oficial de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Um framework Python eficiente, escalável e otimizado para Deep Forest (2021.2.1)

Uma coleção de métodos de detecção de anomalias (baseados em iid/ponto, grafos e séries temporais), incluindo aprendizado ativo para detecção/descoberta de anomalias, mineração de regras bayesianas, descrição para diversidade/explicação/interpretabilidade. Análise de incorporação de feedback de rótulos com detectores baseados em ensembles e árvores. Inclui ataques adversariais com Graph Convolutional Network.

Fusão de Modelos em LLMs, MLLMs e Além: Métodos, Teorias, Aplicações e Oportunidades. ACM Computing Surveys, 2026.

Pacote Python para stacking (técnica de machine learning)

Código-base oficial para "Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights" (ICML 2026 Spotlight)

Código para o IDS-ML: desenvolvimento de sistema de detecção de intrusão usando algoritmos de machine learning (Árvore de decisão, random forest, extra trees, XGBoost, stacking, k-means, otimização bayesiana..)

Uma biblioteca Python para seleção dinâmica de classificadores e ensembles