Хмм… заманчиво))

в Julia кстати в каком-то из пакетов на макросах реализован pattern matching и algebraic data types

По идее, этими градиентами можно оптимизировать произвольные алгоритмы на данных, а не только сетки или деревья, но я не пробовал.

ну наверно, даже если придется для этого пол-библиотеки написать 😄

Как? Деревья недифференцируемые

ну, можно порог двигать

Высокие материи пошли... )

Автоградом порог двигать?

Автоградом я не пробовал это делать, но если у вас какой-нибудь пороговый детектор, то почему бы и нет.

Какой детектор?! Там тупо перебор

О(N), короче

Это если без гистограммирования

видимо, там по обоим веткам проверяется, но опять же, я не пробовал руками:
https://www.sanyamkapoor.com/machine-learning/autograd-magic/

Типичная Julia
хочешь построить боксплоты
загружаешь StatPlots
извините, StatPlots теперь deprecated, удалите и установите StatsPlots (поменяли 1 букву в названии, Карл!)
Удаляешь StatPlots, скачиваешь StatsPlots
Вместе с ним качается 10 обновлений для других пакетов, все они дружно пересобираются
Запускаешь StatsPlots
Всё пересобирается, потому что загружены обновления
Строишь boxplot
Хочешь посчитать IQR
IQR работает только подтипа Array{Real}, а у тебя по умолчанию Array{Float64, Missing}
при этом quantile работает нормально с Missing )

А в питоне лучше? Ставишь пакет, а у него зависимость от другой версии уже установленного пакета.

conda

ну а где же еще

ну для большинства пакетов не такой ад

Да я даже не знаю, как там в питоне, я кроме numpy и scipy почти ничем не пользовался, а там всё очень стабильно

в джулии эту проблему разрешили при разработке - у каждой зависимости своя версия может стоять