GPBoost

收录理由

当你的表格数据带有普通树集成方法难以捕捉的结构时，GPBoost 值得一试，例如空间相关性、分组观测或对同一对象的重复测量。它把梯度提升树与高斯过程和随机效应项结合起来，一个模型既能拟合非线性的固定效应函数，又能处理聚类或平滑的空间变化。对于纵向数据、面板数据、高基数分类变量，以及希望空间上连续平滑的时空预测，它都很合适。核心用 C++ 编写，同时提供 Python 和 R 包，文档里针对这些场景有完整示例，方便你拿自己的数据来评估。如果你一直在提升库和混合效应或高斯过程模型之间犹豫，这个库能让你在一个地方同时完成两件事。