xgboost

可擴展、可移植且分散式的梯度提升（GBDT、GBRT 或 GBM）函式庫，支援 Python、R、Java、Scala、C 等語言。可在單機、Hadoop、Spark、Dask、Flink 與 DataFlow 上執行

標準化的分散式生成式與預測式 AI 推論平台，支援在 Kubernetes 上以多框架擴展部署

Alink 是基於 Flink 的機器學習算法平台，由阿里巴巴計算平台 PAI 團隊開發。

Python 套件，用於表格資料的 AutoML，包含特徵工程、超參數調整、解釋與自動文件化

用於決策樹可視化與模型解釋的 Python 函式庫

將機器學習模型轉換為無任何依賴的原生程式碼（Java, C, Python, Go, JavaScript, Visual Basic, C#, R, PowerShell, PHP, Dart, Haskell, Ruby, F#, Rust）

用於偵錯/檢查機器學習分類器並解釋其預測結果的函式庫

Mars 是一個基於張量的統一框架，用於大規模數據計算，可擴展 numpy、pandas、scikit-learn 和 Python 函數。

適用於 Torch 與 TensorRT 的深度學習伺服器與 CLI

決策樹、分類樹與迴歸樹的研究論文集合及其實作。

在 Kubernetes 上進行分散式 AI 模型訓練與 LLM 微調

只需一行程式碼即可自動將任意大小的任何資料集視覺化。由 Ram Seshadri 建立。歡迎合作。經請求授權。

使用相容 scikit-learn 的模型、統計方法和基礎模型進行時間序列預測的 Python 庫

用於時間序列預測的可擴展機器 🤖 學習。

具備 API 相容性且極速的擴充式 Python DS 與 ML 工具。

精選的梯度提升（gradient boosting）研究論文與實作列表。

用於機器學習模型的推論伺服器，支援多種框架、多模型服務等功能

將 XGBoost 擴展至機率建模

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。

使用進階特徵工程策略，透過一行程式碼從資料集中選出最佳特徵。由 Ram Seshadri 建立。歡迎協作者。

用互動式決策樹視覺化驚豔你的老闆

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 Scikit-Learn、R 與 Apache Spark 模型即時評分（<1 毫秒）的 REST Web 服務

用於 Gradient Boosting 模型同時進行超參數調優與特徵選擇的 Python 套件

用於最佳化演算法與實驗的統一介面

用一行程式碼自動建立多個機器學習模型。由 Ram Seshadri 建立。歡迎協作。經請求可獲得許可。