catboost

Một thư viện Gradient Boosting trên cây quyết định nhanh, có thể mở rộng và hiệu năng cao, được sử dụng cho các tác vụ xếp hạng, phân loại, hồi quy và học máy khác cho Python, R, Java, C++. Hỗ trợ tính toán trên CPU và GPU.

Gói Python cho AutoML trên Dữ liệu dạng bảng với tính năng Kỹ thuật đặc trưng, Tinh chỉnh siêu tham số, Giải thích và Tài liệu tự động

Bộ sưu tập các bài báo nghiên cứu về cây quyết định, phân loại và hồi quy kèm theo mã nguồn cài đặt.

Thư viện Python hỗ trợ dự báo chuỗi thời gian bằng cách sử dụng các mô hình tương thích scikit-learn, các phương pháp thống kê và các mô hình nền tảng (foundation models)

Kho lưu trữ hướng dẫn CatBoost

Danh sách các bài báo nghiên cứu về gradient boosting kèm theo mã nguồn thực thi.

Ollama cho các mô hình ML cổ điển. Trình biên dịch AOT chuyển đổi các mô hình XGBoost, LightGBM, scikit-learn, CatBoost và ONNX thành mã suy luận C99 gốc. Một lệnh để tải, một lệnh để phục vụ. Nhanh hơn 336 lần so với suy luận bằng Python.

Mã nguồn cho IDS-ML: phát triển hệ thống phát hiện xâm nhập sử dụng các thuật toán học máy (Decision tree, random forest, extra trees, XGBoost, stacking, k-means, Bayesian optimization..)