cpfa：平行因子分析分类

使用Richard A.Harshman的平行因子分析-1（Parafac）模型或平行因子分析-2（Parafac2）模型的分类适合三向或四向数据阵列。参见Harshman和Lundy（1994）：<doi:10.1016/0167-9473（94）90132-5>. 使用Parafac或Parafac2模型的一种模式中的组件权重作为特征，通过k倍交叉验证程序调整一种或多种分类方法的参数。允许对不同张量模式进行约束。支持惩罚逻辑回归、支持向量机、随机森林、前馈神经网络、正则化判别分析和梯度提升机。支持二进制和多类分类。预测类标签或类概率，并计算多个分类性能度量。通过“parallel”和“doParallel”包实现并行计算。

版本：	1.1-4
取决于：	多路
进口：	格尔姆奈特,e1071号,随机森林,奈特,风险评估,xgboost公司,foreach公司,do并行
出版：	2024-04-26
内政部：	10.32614/CRAN.包装.cpfa
作者：	马修·斯诺德斯
维护人员：	Matthew A.Snodgress<snodg031 at umn.edu>
许可证：	GPL-2型|GPL-3公司[扩展自：GPL（≥2）]
需要编译：	不
CRAN检查：	cpfa结果

文档：

参考手册：

cpfa.pdf公司

下载内容：

包源：	cpfa_1.1-4.tar.gz
Windows二进制文件：	r-devel公司：cpfa_1.1-4.zip，r版本：cpfa_1.1-4.zip，r-oldrel：cpfa_1.1-4.zip
macOS二进制文件：	r释放（arm64）：cpfa_1.1-4.tgz，r-oldrel（arm64）：cpfa_1.1-4.tgz，r-版本（x86_64）：cpfa_1.1-4.tgz，r-oldrel（x86_64）：cpfa_1.1-4.tgz
旧来源：	cpfa档案

链接：

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