random-forest

Uma ferramenta de Machine Learning automatizado em Python que otimiza pipelines de aprendizado de máquina usando programação genética.

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.

Orange: Análise de dados interativa

Código Python para algoritmos comuns de Machine Learning

Uma biblioteca rápida para AutoML e ajuste. Junte-se ao nosso Discord: https://discord.gg/Cppx2vSPVP.

Pacote Python para AutoML em dados tabulares com engenharia de atributos, ajuste de hiperparâmetros, explicações e documentação automática.

Uma biblioteca Python para visualização de árvores de decisão e interpretação de modelos.

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

Uma lista curada de artigos de mineração de dados sobre detecção de fraudes.

Algoritmos de classificação de texto: um levantamento.

Uma lista curada dos melhores recursos de Inteligência Artificial

SMAC3: Um pacote versátil de otimização bayesiana para otimização de hiperparâmetros

Florestas Aleatórias Generalizadas (Generalized Random Forests)

Uma lista curada de artigos de pesquisa sobre gradient boosting com implementações.

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

Mecanismo de inferência de Machine Learning para microcontroladores e dispositivos embarcados

ThunderGBM: GBDTs e Random Forests rápidos em GPUs

Uma coleção de algoritmos de última geração para treinamento, atendimento e interpretação de modelos de Decision Forest em Keras.

Impressione seu chefe com visualização interativa de Árvore de Decisão

Uma biblioteca para treinar, avaliar, interpretar e colocar em produção modelos de florestas de decisão, como Random Forest e Gradient Boosted Decision Trees.

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..)

ProphitBet é uma aplicação de previsão de apostas de futebol baseada em Machine Learning. Ela analisa a forma das equipes, calcula estatísticas de partidas e prevê os resultados de um jogo usando métodos avançados de Machine Learning (ML). Os algoritmos suportados nesta aplicação são Redes Neurais, Random Forests e Modelos Ensemble.

Compêndio de recursos de leitura gratuitos sobre ML

Biblioteca de Machine Learning para web e Node.

🌲 Implementação do algoritmo Robust Random Cut Forest para detecção de anomalias em streams