xgboost

可扩展、可移植且分布式的梯度提升（GBDT、GBRT 或 GBM）库，支持 Python、R、Java、Scala、C 等语言。可在单机、Hadoop、Spark、Dask、Flink 与 DataFlow 上运行

标准化的分布式生成式与预测式 AI 推理平台，支持在 Kubernetes 上进行多框架可扩展部署

Alink 是基于 Flink 的机器学习算法平台，由阿里巴巴计算平台 PAI 团队开发。

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

用于决策树可视化与模型解释的 Python 函式库

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。

适用于 Torch 和 TensorRT 的深度学习服务器与 CLI

决策树、分类树与回归树的研究论文集合及其实现。

在 Kubernetes 上进行分布式 AI 模型训练与 LLM 微调

只需一行代码即可自动将任意大小的任何数据集可视化。由 Ram Seshadri 创建。欢迎合作。经请求授权。

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

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

将 XGBoost 扩展至概率建模

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。

使用进阶特征工程策略，透过一行代码从数据集中选出最佳特征。由 Ram Seshadri 建立。欢迎协作者。

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

用于优化算法与实验的统一接口

用一行代码自动建立多个机器学习模型。由 Ram Seshadri 创建。欢迎协作。经请求可获得许可。