ensemble-learning

三行程式碼即可實現快速且精確的機器學習。

H2O 是開源、分散式、快速且可擴展的機器學習平台：深度學習、梯度提升（GBM）與 XGBoost、隨機森林、廣義線性模型（GLM with Elastic Net）、K-Means、PCA、廣義加法模型（GAM）、RuleFit、支援向量機（SVM）、堆疊集成、AutoML 等

我相信本書主要針對的研究生與求職者將從閱讀中受益；同時，我也希望即使是最有經驗的研究人員也會覺得它同樣引人入勝。

決策樹、分類樹與迴歸樹的研究論文集合及其實作。

一個 Julia 機器學習框架

General Assembly 於華盛頓特區舉辦的 2015 年 Data Science 課程

😎 關於類別不平衡與長尾學習的一切：論文、程式碼、框架與函式庫

一個用於 PyTorch 的統一整合框架，可提升深度學習模型的效能與強健性。

NeurIPS 2022「ADBench: Anomaly Detection Benchmark」官方實作。

一個高效、可擴展且最佳化的深度森林 Python 框架 (2021.2.1)

異常檢測方法集合（IID/基於點、圖和時間序列），包含用於異常檢測/發現的主動學習、貝氏規則探勘、多樣性/解釋性/可解釋性描述。分析結合標籤回饋與整合及基於樹的檢測器。包含使用 Graph Convolutional Network 的對抗攻擊。

LLM、MLLM 及其他領域的模型合併：方法、理論、應用與機會。ACM Computing Surveys, 2026。

用於堆疊（機器學習技術）的 Python 套件

「Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights」（ICML 2026 Spotlight）官方程式碼庫。

IDS-ML 程式碼：使用機器學習演算法（決策樹、隨機森林、Extra Trees、XGBoost、Stacking、k-means、貝葉斯最佳化等）開發入侵偵測系統

用於動態分類器與整合選擇的 Python 函式庫