说明：通过叠加逻辑回归、随机森林和梯度增强模型（XGBoost）建立了一个超级学习器，以预测心脏病房的患者是否需要转移到重症监护室。

说明：Home_Credit_Kaggle，家庭信贷违约风险[Kaggle格式]NN，LifhtGBM，Xgboost，

说明：房价预测，Kaggle项目使用回归模型预测房价，

说明：GSOC-2019，GSOC-20119的所有工作，

说明：客户流失，R:Logistic中的客户流失分析，分类树，XGBoost，随机森林，

说明：ez_xgb，为R用户轻松安装xgboost（无递归），

说明：xgbmr、使用XGBoost的微储备模型，

说明：机器学习课程、机器学习和深度学习课程，

说明：R的Laurae交叉熵优化

说明：xengagement是一个软件包，用于预测xGPhilosophy在比赛结束时收到的推特参与量xG摘要推文

说明：benchmark-xgboost-java、benchmark现有的xgboost java库，

说明：一个使用用户定义的度量、并行调整、一点预测和特征选择来调整xgboost的教程。目前，请参阅R教程。

说明：该资料库包含与我的论文“圣经希伯来语中的从句结构变化，一种定量方法”相关的脚本

说明：ml-topn推荐器，一种用于为多类目标推荐前N个结果的机器学习算法，

说明：工作描述nlp，使用自然语言处理的数据科学家工作描述分析，

说明：xgboostjson，将R或Python xgboost模型对象转换为javascript以在node.js应用程序中使用，

说明：AV_Ultimate_Student_Hunt，终极学生狩猎挑战解决方案（第一名），

说明：survXgboost，一个能够使用xgboost进行完整生存曲线估计的小型包装包，

说明：orxgboost，用于OCaml的梯度增强，使用地毯下的RxgboosT封装，

说明：呼吸系统死亡率，使用MIMIC III数据库预测ICU病房的呼吸系统患者死亡率，

说明：Kaggle Grupo Bimbo Inventory Demand, NO.156/top 8% (post competition analysis) 庫存需求預測、前 8 % ( 賽後分析 ) ,

说明：Kaggle Bosch Production Line Performance, NO.74/top 6% (post competition analysis) 生產線分析、前 6 % ( 賽後分析 ) ,

说明：XGBoost-in-in Insurance-2017，数据和代码为我在巴黎的演讲复制结果：2017年保险业研究大会，

说明：时尚、时尚MNIST数据集和机器学习模型，

说明：这个知识库是一个关于生存分析的教程，基于先进的机器学习方法，包括随机森林、梯度提升树和XGBoost。所有这些都是在R中实现的。

说明：sparkxgb，Spark上XGBoost的R接口，

说明：R包，用于调整机器学习的参数（支持向量机、随机森林和Xgboost），使用高斯过程的贝叶斯优化

说明：特征选择、使用glmnet套索的R中的特征选择、xgboost和ranger，

说明：检测推特机器人！

说明：kaggle代码，我在kaggle数据科学和机器学习任务中使用的一些代码的存储库，