gradient-boosting

以博弈論方法說明任何機器學習模型的輸出。

基於決策樹演算法的快速、分散式、高效能梯度提升（GBT、GBDT、GBRT、GBM 或 MART）框架，用於排序、分類及其他機器學習任務。

一款使用基因演算法優化機器學習流程的 Python 自動化機器學習工具

一個快速、可擴展、高效能的梯度提升決策樹函式庫，支援排名、分類、回歸及其他機器學習任務，適用於 Python、R、Java、C++，支援 CPU 與 GPU 計算。

適配可解釋模型。說明黑盒機器學習。

決策樹、分類樹與迴歸樹的研究論文集合及其實作。

用於機率預測的自然梯度提升（Natural Gradient Boosting）

關於詐欺偵測的資料探勘論文精選列表。

精選的梯度提升（gradient boosting）研究論文與實作列表。

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。

Perpetual 是一個高效能的梯度提升機器。它透過簡單的預算參數，無需複雜調校即可在單次執行中提供最佳準確度。它具備對因果 ML、持續學習、原生校準和強大漂移監控的開箱即用支援，並擁有 Rust 核心以及針對 Python 和 R 的零複製繫結。

用於 Keras 中決策森林 (Decision Forest) 模型訓練、服務與解釋的最先進演算法集合。

針對傳統 ML 模型的 Ollama。能將 XGBoost、LightGBM、scikit-learn、CatBoost 與 ONNX 模型轉為原生 C99 推論程式碼的 AOT 編譯器。只需一個指令載入、一個指令提供服務。比 Python 推論快 336 倍。

一個用於訓練、評估、解釋並將決策樹模型（如隨機森林和梯度提升決策樹）投產的程式庫。