Project Icon

hBayesDM

分层贝叶斯决策建模工具支持R和Python

hBayesDM是一个为决策任务提供分层贝叶斯分析的开源软件包。它基于Stan进行贝叶斯推断,支持R和Python语言。该工具能分析强化学习和决策制定的神经计算机制,为心理学、神经科学和行为经济学等领域的研究者提供强大的分析支持。项目提供详细教程、邮件列表和问题报告渠道,便于使用和问题解决。

baal - 贝叶斯主动学习库助力深度学习优化
BaalGithub不确定性估计主动学习开源项目深度学习蒙特卡洛方法
Baal是一个开源的贝叶斯主动学习库,适用于工业应用和研究场景。该库提供多种主动学习方法,如蒙特卡洛Dropout和深度集成。Baal框架由四个核心组件构成,使实现主动学习流程变得简单高效。支持Python 3.8及以上版本,可通过pip或Poetry安装。Baal能有效减少数据标注工作量,提升模型性能,是机器学习领域的实用工具。
probability - TensorFlow生态系统中的概率推理与统计分析工具
GithubTensorFlow Probability分布计算开源项目概率推理深度学习统计分析
TensorFlow Probability 是一个概率推理与统计分析库,作为 TensorFlow 生态系统的一部分,结合了概率方法与深度网络。其功能包括自动微分的梯度推断,以及通过 GPU 和分布式计算实现对大规模数据集和模型的可扩展性。主要组件包括概率分布、可逆变换、联合分布、概率层和多种概率推断算法,如马尔可夫链蒙特卡洛和变分推断。提供详细教程和案例,帮助用户解决实际问题。
bayesian-flow-networks - 将贝叶斯方法与流网络相结合的生成模型新框架
Bayesian Flow NetworksGithub开源项目机器学习概率模型深度学习生成模型
Bayesian Flow Networks是一个结合贝叶斯方法和流网络的生成模型框架。项目提供完整代码实现,包含连续和离散数据的贝叶斯流定义,以及连续时间和离散时间的损失函数。支持MNIST、CIFAR-10和text8等数据集的训练、测试和采样。此框架在图像和文本生成任务中表现出色,为生成模型研究开辟新方向。
yggdrasil-decision-forests - 用于训练、评估、解释和部署随机森林、梯度提升决策树和 CART 决策森林模型的完整库
CART决策森林GithubYDFYggdrasil Decision Forests开源项目梯度增强决策树随机森林
YDF 是一个用于训练、评估、解释和部署随机森林、梯度提升决策树和 CART 决策森林模型的完整库。支持 Python 和 C++ API,方便模型的训练、分析、预测及保存。详尽的文档和教程有助于用户快速入门,是开发高效、可解释机器学习模型的好工具。
GPBoost - 融合树提升与高斯过程的先进机器学习库
GPBoostGithub开源项目机器学习树提升混合效应模型高斯过程
GPBoost是一个创新机器学习库,融合树提升、高斯过程和分组随机效应模型。它支持独立应用树提升、高斯过程和广义线性混合效应模型,主要用C++编写,提供C接口及Python和R包。GPBoost算法结合树提升和潜在高斯模型优势,提高预测函数学习效率,优化高基数分类变量处理,并适用于空间或时空数据建模。这使其成为非线性建模和复杂依赖结构分析的理想工具。
reward-bench - 用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性的基准工具
GithubRewardBenchanymodel开源项目数据集文献评价标准
RewardBench是一款基准工具,用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性。该工具提供通用的推理代码、统一的数据集格式和测试,以确保公平评估,并拥有强大的分析与可视化功能。用户可以通过pip快速安装并运行评估脚本,测试各种奖励模型的性能和偏好集。
h2o-3 - 支持多编程语言的高性能内存中分布式机器学习平台
GithubH2O-3分布式机器学习开源资源开源项目模型部署算法
H2O-3是一个支持多编程语言的高性能内存中分布式机器学习平台,提供广泛的算法如GLM、随机森林、深度神经网络等,并可扩展以添加自定义算法。平台与Hadoop和Spark等大数据技术完美整合,可通过POJO或MOJO格式轻松导出模型至生产环境,适合各类数据科学家在大数据场景下进行机器学习开发。
hierarchicalforecast - Python层级预测库 整合统计与计量经济学方法
GithubPython库层次化预测开源项目数据一致性时间序列预测预测方法
HierarchicalForecast是一个Python库,提供多种层级预测协调方法,如BottomUp、TopDown等,并支持概率一致性预测。该框架集成公开数据集、评估指标和统计基线,旨在为行业和学术界提供可靠的层级预测基准,促进时间序列领域的统计建模和机器学习融合。它为开发新的层级预测算法提供了有力工具,有助于推动相关研究和应用的发展。
modeltime - R语言时间序列预测框架 整合机器学习与传统方法
GithubR语言modeltime工作流开源项目时间序列预测机器学习
modeltime是R语言的时间序列预测框架,简化了预测工作流程,整合机器学习和传统分析方法。支持ARIMA、ETS、Prophet等模型,可与tidymodels生态系统集成。通过6步流程,用户可快速构建、评估和部署预测模型,适用于高性能时间序列分析。框架还包括modeltime.h2o用于AutoML、modeltime.gluonts用于深度学习,以及modeltime.ensemble用于集成预测。这些组件共同构成了一个全面的时间序列分析生态系统,为不同规模和复杂度的预测任务提供解决方案。
HyperTS - 全面的时间序列分析工具包 支持多任务和多模式分析
GithubHyperTS开源项目异常检测时间序列分析自动机器学习预测
HyperTS是一款全面的时间序列分析工具包,集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务,适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持,概率区间预测,以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用,为时间序列分析提供了端到端的自动化解决方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号