hep_ml hep_ml提供用于高能物理的特定机器学习工具。 主要特点 统一分类器-预测与质量(或某些其他变量,甚至一组变量)相关性较低的分类器 uBoost内部优化的实现 UGradientBoosting (具有不同的损失,尤其是FlatnessLoss引起了极大的兴趣) 一致性度量(请参阅hep_ml.metrics ) UGradientBoosting的分类,回归和排名方面的高级损失(请参阅hep_ml.losses )。 hep_ml.nnet-基于theano的柔性神经网络 hep_ml.reweight-重新加权多维分布(此处的多表示2、3、5和更多尺寸-请参见GBR