EEG-Emotion-Classification

人工智能学习：涵盖数据分析、机器学习实战、线性代数基础、PyTorch深度学习框架、NLTK自然语言处理工具包和TensorFlow 2.x框架的使用。

一个快速、分布式、高性能的梯度提升(GBT、GBDT、GBRT、GBM或MART)框架，基于决策树算法，用于排序、分类和许多其他机器学习任务。

一个快速、可扩展、高性能的基于决策树的梯度提升库，用于Python、R、Java、C++的排序、分类、回归和其他机器学习任务。支持CPU和GPU计算。

一个用于决策树可视化和模型解释的Python库。

大量的导师指导式学习

一套用于在 Keras 中训练、部署和解读决策森林模型的先进算法集合。

让决策树在CIFAR10、CIFAR100、TinyImagenet200和ImageNet数据集上与神经网络的性能相媲美

一个用于训练、评估、解释和部署决策森林模型（如随机森林和梯度提升决策树）的库。

使用纯Go语言实现的GBRT（梯度提升回归树）模型预测部分，兼容主流框架。

基于LLVM的LightGBM梯度提升树编译器，预测速度提升≥10倍。