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。