cito：构建和训练神经网络

“cito”软件包为训练和解释深层神经网络（DNN）提供了一个用户友好的界面。”cito通过支持常见的公式语法、交叉验证下的超参数调整简化了DNN的拟合，并帮助检测和处理收敛问题。DNN可以在CPU、GPU和MacOS GPU上进行训练。此外，“cito”具有许多下游功能，例如各种可解释的AI（xAI）指标（例如变量重要性、部分依赖图、累积局部效应图和效应估计），以解释训练的DNN。”cito’可选地为所有xAI度量和预测提供置信区间（和p值）。同时，“cito”的计算效率很高，因为它基于深度学习框架“torch”。“torch”包是R的原生包，因此此包不需要安装Python或其他API。

版本：	1.1
取决于：	R（≥3.5）
进口：	科罗,将死,火炬,额外网格,抛物线,阿宾德,进步,克莱,火炬视觉,易怒的,lme4公司
建议：	拼写,rmarkdown公司,测试那个,巧妙地,gggraph图,记录仪，统计，ggplot2,针织物
出版：	2024-03-18
内政部：	10.32614/CRAN.包装.cito
作者：	Christian Amesöder[aut]，马克西米利安·皮克勒[aut，cre]，弗洛里安·哈蒂格【ctb】，阿明·申克
维护人员：	马克西米利安·皮克勒（Maximilian-Pichler）
错误报告：	https://github.com/citoverse/cito/requestions（网址：https://github.com/citoverse/cito/requestions）
许可证：	GPL（≥3）
网址：	https://citoverse.github.io/cito/
需要编译：	不
语言：	英语-美国
引用：	cito引文信息
材料：	自述文件 新闻
CRAN检查：	cito结果

文档：

参考手册：	引文.pdf
渐晕图：	cito简介 训练神经网络 示例：具有cito的（多）物种分布模型 高级：自定义损失函数和预测间隔

下载：

包源：	城市-1.1.tar.gz
Windows二进制文件：	r-发展：cito_1.1.zip，r版本：cito_1.1.zip，r-oldrel：cito_1.1.zip
macOS二进制文件：	r释放（arm64）：城市-1.1.tgz，r-oldrel（arm64）：城市-1.1.tgz，r-release（x86_64）：城市-1.1.tgz，r-oldrel（x86_64）：城市-1.1.tgz
旧来源：	cito档案

链接：

请使用规范形式https://CRAN.R-project.org/package=cito链接到此页面。