Código abierto. Nuevas posibilidades.

XGBoost es una biblioteca optimizada de gradient boosting distribuido, eficiente, flexible y portable. Implementa algoritmos de aprendizaje automático bajo el framework Gradient Boosting y proporciona boosting paralelo de árboles (GBDT, GBM) para resolver problemas de ciencia de datos con rapidez y precisión. Funciona en entornos distribuidos principales y admite varios lenguajes.

CatBoost es una biblioteca de gradient boosting de código abierto de Yandex para clasificación, regresión y ranking. Ofrece soporte nativo para características categóricas, entrenamiento en CPU/GPU, entrenamiento distribuido mediante Apache Spark y APIs para Python, R, Java y C++.

LightGBM es un marco de trabajo de gradient boosting rápido, distribuido y de alto rendimiento basado en algoritmos de árboles de decisión, optimizado para la eficiencia y datos a gran escala.