LightGBM-with-Focal-Loss

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。

简单分布式机器学习

将机器学习模型转换成原生代码（Java、C、Python、Go、JavaScript、Visual Basic、C#、R、PowerShell、PHP、Dart、Haskell、Ruby、F#、Rust），无需任何依赖。

一个用于调试/检查机器学习分类器并解释其预测结果的库

微软分布式机器学习工具包

Mars是一个基于张量的统一框架，用于大规模数据计算，它可以扩展NumPy、Pandas、Scikit-learn和Python函数的功能。

一个用于PyTorch的非平衡数据集采样器，它可以对低频类进行过采样，对高频类进行欠采样。

标签平滑、角度软最大值、局部全连接、焦点损失、三元组损失、洛瓦兹软最大值。这些可能有用。

基于BERT模型的中文命名实体识别（使用Softmax、CRF和Span方法）

关于类别不平衡/长尾学习的全面资源：论文、代码、框架和库