文档 | 安装 | 参数 | Python (scikit-learn) 接口
什么新鲜事? ThunderGBM 荣获 IEEE 并行与分布式系统交流杂志 2019 年最佳论文奖,由 IEEE 计算机学会出版委员会评选(共 987 篇提交论文中,获奖论文为 "Zeyi Wen^, Jiashuai Shi*, Bingsheng He, Jian Chen, Kotagiri Ramamohanarao, and Qinbin Li*, Exploiting GPUs for Efficient Gradient Boosting Decision Tree Training , IEEE Transactions on Parallel and Distributed Systems, vol. 30, no. 12, 2019, pp. 2706-2717"。) 更多详情请参阅: IEEE 2019 年最佳论文奖得主。
概述
ThunderGBM 的使命是帮助用户轻松高效地应用 GBDT 和随机森林来解决问题。ThunderGBM 利用 GPU 实现了高效率。ThunderGBM 的主要特点如下。
GBDT 和随机森林通常用于创建最先进的数据科学解决方案。我们在下面列出了使用 GBDT 的三个获奖解决方案。请查看 XGBoost 网站 了解更多获奖解决方案和用例。以下是 GBDT 和随机森林的一些成功案例：
News from NUS School of Computing