Wright等人更新了R包“ranger”的实现,(2017) <doi:10.18637/jss.v077.i01>用于训练和随机预测森林,特别适合高维数据,并用于嵌入van Buuren(2007)的“链方程多重插补”(MICE)<doi:10.1177/0962280206074463>. 分类和回归的集合当前支持树。“dgCMatrix”类的稀疏数据(R包“矩阵”)可以直接分析。传统的袋装预测是可通过算法对MICE进行有效预测Doove等人(2014)提出<doi:10.1016/j.csda.2013.10.025>. 生存更新中不支持和概率森林,也不支持的数据类“gwaa.data”(R包“GenABEL”);使用原始的“ranger”包用于这些分析。
请使用规范形式https://CRAN.R-project.org/package=文学家链接到此页面。