gradient-boosting

以博弈论方法说明任何机器学习模型的输出。

基于决策树算法的快速、分布式、高性能梯度提升（GBT、GBDT、GBRT、GBM 或 MART）框架，用于排序、分类及其他机器学习任务。

一款使用基因算法优化机器学习流程的 Python 自动化机器学习工具

一个快速、可扩展、高性能的梯度提升决策树库，支持排序、分类、回归及其他机器学习任务，适用于 Python、R、Java、C++，支持 CPU 与 GPU 计算。

适配可解释模型。解释黑盒机器学习。

决策树、分类树与回归树的研究论文集合及其实现。

用于概率预测的自然梯度提升（Natural Gradient Boosting）

关于欺诈检测的数据挖掘论文精选列表。

精选的梯度提升（gradient boosting）研究论文与实现列表。

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。

Perpetual 是一个高性能的梯度提升机器。它通过简单的预算参数，无需复杂调优即可在单次运行中提供最佳准确度。它具备对因果 ML、持续学习、原生校准和强大漂移监控的开箱即用支持，并拥有 Rust 核心以及针对 Python 和 R 的零拷贝绑定。

用于 Keras 中决策森林 (Decision Forest) 模型训练、服务与解释的最先进算法集合。

针对传统 ML 模型的 Ollama。能将 XGBoost、LightGBM、scikit-learn、CatBoost 与 ONNX 模型转为原生 C99 推论代码的 AOT 编译器。只需一个指令加载、一个指令提供服务。比 Python 推论快 336 倍。

一个用于训练、评估、解释并将决策树模型（如随机森林和梯度提升树）投入生产的库。