MXM:功能选择(包括多个解决方案)和贝叶斯网络
许多特征选择方法用于广泛的响应变量,包括最小、统计等效和等预测特征子集。还包括贝叶斯网络算法和相关功能。软件包名称“MXM”代表“Mens eX Machina”,在拉丁语中表示“来自机器的思维”。参考文献:a)Lagani,V.和Athineou,G.以及Farcomeni,a.和Tsagris,M.以及Tsamardinos,I.(2017)。用R包MXM进行特征选择:发现统计上等价的特征子集。统计软件杂志,80(7)<doi:10.18637/jss.v080.2007>. b) Tsagris,M.、Lagani,V.和Tsamardinos,I.(2018年)。高维时间数据的特征选择。BMC生物信息学,19:17<doi:10.1186/s12859-018-2023-7>. c) Tsagris,M.、Borboudakis,G.、Lagani,V.和Tsamardinos,I.(2018年)。基于约束的混合数据因果发现。国际数据科学与分析杂志,6(1):19-30<doi:10.1007/s41060-018-0097-y>. d) Tsagris,M.、Papadovasilakis,Z.、Lakiotaki,K.和Tsamardinos,I.(2018年)。基因表达数据的高效特征选择:使用哪种算法?生物研究<数字对象标识代码:10.1101/431734>. e) Tsagris,M.(2019年)。使用PC算法的贝叶斯网络学习:一种改进的正确变体。应用人工智能,33(2):101-123<doi:10.1080/08839514.2018.1526760>. f) Tsagris,M.和Tsamardinos,I.(2019)。使用R包MXM进行功能选择。F1000研究7:1505<doi:10.12688/f1000research.16216.2>. g) Borboudakis,g.和Tsamardinos,I.(2019年)。提前丢弃的前向-后向选择。机器学习研究杂志20:1-39。h) 用于特征选择的gamma-OMP算法及其在基因表达数据中的应用。IEEE/ACM计算生物学和生物信息学汇刊19(2):1214-1224<doi:10.1109/TCBB.2020.3029952>.
版本: |
1.5.5 |
取决于: |
R(≥4.0) |
进口: |
方法、stats、utils,生存,MASS(质量)、图形、,依次的,奈特,quantreg公司,lme4公司,foreach公司,do并行,平行,关系,快速,visNetwork(可视网络),能量,极客,针织物,数字播放器,大存储器,髋关节,快速2,Hmisc公司 |
建议: |
降价,R.rsp公司 |
出版: |
2022-08-25 |
内政部: |
10.32614/CRAN.包装。墨西哥比索 |
作者: |
康斯坦蒂娜·比扎[aut,cre],Ioannis Tsamardinos【aut,cph】,文森佐·拉加尼[aut,cph],乔戈斯·阿提尼欧[aut],MichaelTsagris〔aut〕,乔戈斯·博布达基斯(Giorgos Borboudakis),安娜·隆佩拉基 |
维护人员: |
康斯坦蒂娜·比扎(Konstantina Biza)<kbiza at csd.uoc.gr> |
许可证: |
GPL-2型 |
网址: |
http://mensxmachina.org |
需要编译: |
不 |
引用: |
MXM引文信息 |
在视图中: |
图形模型 |
CRAN检查: |
MXM结果 |
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=MXM链接到此页面。