ensemble-learning

三行代码即可实现快速且准确的机器学习。

H2O 是开源、分布式、快速且可扩展的机器学习平台：深度学习、梯度提升（GBM）与 XGBoost、随机森林、广义线性模型（GLM with Elastic Net）、K-Means、PCA、广义加法模型（GAM）、RuleFit、支持向量机（SVM）、堆叠集成、AutoML 等

我相信本书主要针对的研究生与求职者将从阅读中受益；同时，我也希望即使是最有经验的研究人员也会觉得它同样引人入胜。

决策树、分类树与回归树的研究论文集合及其实现。

一个 Julia 机器学习框架

General Assembly 于华盛顿特区举办的 2015 年 Data Science 课程

😎 关于类别不平衡与长尾学习的一切：论文、代码、框架与库

一个用于 PyTorch 的统一集成框架，可提升深度学习模型的性能与鲁棒性。

NeurIPS 2022「ADBench: Anomaly Detection Benchmark」官方实现。

一个高效、可扩展且优化的深度森林 Python 框架 (2021.2.1)

异常检测方法集合（IID/基于点、图和时间序列），包含用于异常检测/发现的主动学习、贝叶斯规则挖掘、多样性/解释性/可解释性描述。分析结合标签反馈与集成及基于树的检测器。包含使用 Graph Convolutional Network 的对抗攻击。

LLM、MLLM 及其他领域的模型合并：方法、理论、应用与机会。ACM Computing Surveys, 2026。

用于堆叠（机器学习技术）的 Python 软件包

“Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights”（ICML 2026 Spotlight）官方代码库。

IDS-ML 代码：使用机器学习算法（决策树、随机森林、Extra Trees、XGBoost、Stacking、k-means、贝叶斯优化等）开发入侵检测系统

用于动态分类器与集成选择的 Python 库