lightgbm

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。

简单且分散式的机器学习 Python 函式库，将 ML 算法移植至 Spark。

Python 套件，用于表格数据的 AutoML，包含特征工程、超参数调节、解释与自动文档化

将机器学习模型转换为无任何依赖的原生代码（Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust）

用于调试/检查机器学习分类器并解释其预测结果的库

Mars 是一个基于张量的统一框架，用于大规模数据计算，可扩展 numpy、pandas、scikit-learn 和 Python 函数。

决策树、分类树与回归树的研究论文集合及其实现。

使用兼容 scikit-learn 的模型、统计方法和基础模型进行时间序列预测的 Python 库

QuantMind 开源版是一款面向个人量化研究者的本地化金融量化交易平台，基于微软 Qlib 量化框架构建，提供从模型训练、回测、推理到实盘交易的完整研究闭环。平台深度整合 LightGBM 等主流机器学习模型，支持 146 维量化因子训练与推理，用户可快速构建 Alpha 策略并在历史数据上验证效果。核心功能涵盖智能策略生成、模型训练、回测中心、QuantBot 助手及多模型管理，全部功能无使用限制。开源版采用本地单机部署，通过 docker compose 一键启动，无需依赖云服务，数据与模型完全本地化，保障研究隐私。适合个人开发者、学术研究者及小团队进行量化策略原型验证与二次开发，是进入金融量化领域的理想起点。

用于时间序列预测的可扩展机器学习 🤖。

具备 API 兼容性且极速的可扩展 Python DS 与 ML 工具。

精选的梯度提升（gradient boosting）研究论文与实现列表。

用于机器学习模型的推理服务器，支持多种框架、多模型服务等功能

适用于 Elasticsearch 中 DataFrames、大数据、机器学习与 ETL 的 Python 客户端与工具包

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。

用交互式决策树可视化惊艳你的老板

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 Scikit-Learn、R 与 Apache Spark 模型即时评分（<1 毫秒）的 REST Web 服务

用于 Gradient Boosting 模型同时进行超参数调优与特征选择的 Python 套件

Antivirus software written in Python and C++ that blocks threats through Machine Learning and behavioral monitoring!