neuralGAM：基于广义加法的可解释神经网络模型

基于Hastie&Tibshirani（1990，ISBN:9780412343902）的广义加性模型的神经网络框架，该框架训练不同的神经网络来估计每个特征对响应变量的贡献。利用局部评分和反求算法对网络进行独立训练，以确保广义加法模型收敛且具有可加性。由此产生的神经网络是一个高度准确和可解释的深度学习模型，可用于高风险人工智能实践，其中决策应基于可解释和可解释算法。

版本：	1.1.1
进口：	张量流,珊瑚礁,ggplot2,马格里特,网状的,公式工具,额外网格
建议：	覆盖（covr）,测试那个(≥ 3.0.0),英尺,用r
出版：	2024-04-19
内政部：	10.32614/CRAN.包装.neuralGAM
作者：	伊内斯·奥尔特加·费尔南德斯[aut、cre、，cph]，玛塔·塞斯特罗[aut，cph]
维护人员：	伊内斯·奥尔特加·费尔南德斯<iortega at gradiant.org>
错误报告：	https://github.com/inesortega/neuralGAM/issues网站
许可证：	MPL-2.0标准
网址：	https://inesortega.github.io/neuralGAM网站/,https://github.com/inesortega/neuralGAM网站
需要编译：	不
系统要求：	python（>=3.10）、keras、tensorflow
材料：	自述文件 新闻
CRAN检查：	neuralGAM结果

文档：

参考手册：

神经GAM.pdf

下载内容：

包源：	神经GAM_1.1.1.tar.gz
Windows二进制文件：	r-devel公司：神经GAM_1.1.1.zip，r版本：神经GAM_1.1.1.zip，r-oldrel：神经GAM_1.1.1.zip
macOS二进制文件：	r释放（arm64）：神经GAM_1.1.1.tgz，r-oldrel（arm64）：神经GAM_1.1.1.tgz，r-release（x86_64）：神经GAM_1.1.1.tgz，r-oldrel（x86_64）：神经GAM_1.1.1.tgz
旧来源：	neuralGAM档案

链接：

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