stanfordmlgroup/ngboost

它解決的問題

NGBoost 解決了傳統提升演算法通常僅提供點預測的限制。相反地，它支援機率預測，讓模型能夠輸出完整的機率分佈，而非單一數值。

工作原理

它實現了自然梯度提升（Natural Gradient Boosting），一種使用自然梯度來優化機率分佈參數的方法。該程式庫建構於 Scikit-Learn 之上，設計為模組化，允許使用者選擇自己的評分規則、機率分佈和基礎學習器。

適用對象

需要透過機率預測來量化預測不確定性的資料科學家和機器學習實務者。

主要特色

• 建構於 Scikit-Learn 之上，易於整合。
• 模組化設計，支援多種分佈和基礎學習器。
• 可擴展的自然梯度提升實作。
• 支援點預測與完整機率分佈輸出。