perpetual
Perpetual 是一個高效能的梯度提升機。它透過簡單的預算參數，
perpetual 是什麼？
Perpetual 是一個高效能的梯度提升機。它透過簡單的預算參數，在單次運行中即可達到最佳準確度，無需複雜的調校。它具備開箱即用的因果機器學習、持續學習、原生校準和穩健的漂移監測支援，並採用 Rust 核心以及 Python 和 R 的零複製綁定。
perpetual 概覽
這是什麼
Perpetual 是一個不需要超參數優化的梯度提升機（GBM）。它使用單一的 budget 參數來控制預測能力。提高 budget 可以改善在未見過資料上的準確度。使用者從較小的 budget（例如 0.5）開始，然後增加（例如 1.0），直到不再有改善為止。
主要功能
- 無超參數學習：透過簡單的
budget參數，一次運行即可達到最佳準確度，無需耗時的超參數優化。 - 高效能 Rust 核心：原生 Rust 核心提供極快的訓練與推論，支援 Polars/Arrow 資料的零拷貝，以及強大的 Python 與 R 綁定。
- 全面的目標函數：完整支援分類（二元與多元）、迴歸與排序任務。
- 進階樹狀特徵：原生處理類別變數、可學習的缺失值分割、單調約束與特徵交互作用約束。
- 內建因果機器學習：開箱即用的因果機器學習支援，用於估計處理效應。
- 穩健的漂移監控：內建功能可監控資料漂移與概念漂移，無需真實標籤或重新訓練模型。
- 持續學習：內建持續學習能力，將計算時間從 O(n²) 顯著降低至 O(n)。
使用情境
Perpetual 可用於分類、迴歸與排序任務。適用於需要因果效應估計、漂移監控（資料漂移與概念漂移）以及持續學習的情境。它也支援原生校準以獲得校準分佈，並透過特徵重要性、部分相依圖與 SHAP 值進行模型解釋。
快速開始
透過 pip 或 conda 安裝 Perpetual： python pip install perpetual conda install -c conda-forge perpetual 對於 Rust： cargo add perpetual 對於 R： install.packages('perpetual') Python 快速使用範例： python from perpetual import PerpetualBooster model = PerpetualBooster(objective='SquaredLoss', budget=0.5) model.fit(X, y)
授權與價格
採用 Apache-2.0 授權。為開源且免費使用。
內容整理自該專案公開的 README 與儲存庫資訊。
