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