google/yggdrasil-decision-forests

A library to train, evaluate, interpret, and productionize decision forest models such as Random Forest and Gradient Boosted Decision Trees.

何を解決するか

決定木フォレストモデルを扱う高速で拡張可能なライブラリを提供し、これらのモデルの学習、評価、解釈、配信プロセスを簡素化します。

動作方法

このライブラリは、ランダムフォレスト、勾配ブースティング決定木、CART、および隔離フォレストを含む複数の決定木フォレストアルゴリズムを実装しています。Pandasなどを通じたデータセットの読み込みから、学習、予測生成、インファレンス速度のベンチマークまで、機械学習ライフサイクル全体を扱うためのPythonおよびC++ APIを提供しています。

対象ユーザー

決定木フォレストモデルの学習およびデプロイに高性能なライブラリを必要とするデータサイエンティストおよび機械学習エンジニア。

主な特徴

  • 複数のモデルタイプをサポート：ランダムフォレスト、勾配ブースティングツリー、CART、および隔離フォレスト。
  • パーシャル依存プロットや変数重要度などのモデル分析ツールを統合。
  • ROC、精度、混同行列などの組み込み評価指標。
  • PythonおよびC++の両方のAPIをサポート。

関連

  • プロジェクト
    catboost/catboost

    決定木向けの高性能な勾配ブースティングライブラリで、カテゴリ変数のネイティブサポートと高速な予測速度を提供します。

  • プロジェクト
    dmlc/xgboost

    XGBoostは、大規模なデータサイエンス問題に適した高速かつ正確な並列木ブースティングを提供する最適化された分散型勾配ブースティングライブラリです。

  • プロジェクト
    fabsig/GPBoost

    A software library that combines tree-boosting with Gaussian processes and mixed-effects models to improve prediction accuracy for spatial data and high-cardinality categorical variables.

  • プロジェクト
    uxlfoundation/oneDAL

    CPU、GPU、および分散システム全体で、テーブルデータ向けのハードウェア加速された機械学習ルーチンを提供する C++ および DPC++ ライブラリ。

  • プロジェクト
    BehaviorTree/BehaviorTree.CPP

    ロボット工学やゲームAIにおける複雑な意思決定を管理するための、Behavior Tree（行動ツリー）作成用C++ 17ライブラリ。有限状態機械（FSM）に代わる、リアクティブで柔軟な選択肢を提供します。