#随机森林
决策森林：机器学习中的强大集成模型
3 个月前
相关项目
100-Days-Of-ML-Code
探索100天机器学习代码项目，该项目包括数据预处理和各种机器学习模型的练习，如线性回归、逻辑回归、决策树等。项目还涵盖了无监督学习方法和深入的Python, TensorFlow, Keras在深度学习中的应用。
yggdrasil-decision-forests
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。
decision-forests
TensorFlow Decision Forests (TF-DF) 是一款用于在 TensorFlow 中训练、运行和解释决策森林模型（包括随机森林和梯度增强树）的库，支持分类、回归和排序。TF-DF 由 Yggdrasil Decision Forests (YDF) 支持，兼容C++、JavaScript、CLI和Go语言，适用于Linux和Mac环境。借助简洁的API和丰富的文档资源，用户能够轻松构建强大且易解释的机器学习模型。
DecisionTree.jl
DecisionTree.jl是一个Julia语言实现的决策树和随机森林算法库,提供分类和回归功能。它支持预剪枝、后剪枝、多线程bagging和自适应提升等技术,可与AutoMLPipeline.jl、MLJ.jl等库集成使用。该库具有高效易用的API,支持交叉验证和特征重要性分析,适用于各类机器学习项目中的决策树相关任务。