rminer:数据挖掘分类和回归方法
通过提供一组简短且连贯的函数,促进数据挖掘算法在分类和回归(包括时间序列预测)任务中的使用。版本:1.4.6/1.4.5/1.4.4新的自动机器学习(AutoML)和集成,通过改进的fit()、mining()和mparheuristic()函数,以及通过改进的delevels()函数的新的分类预处理;1.4.3新的度量(例如,宏观精度、解释方差)、新的“lssvm”模型和改进的mparhuristic()函数;1.4.2新的“NMAE”度量、“xgboost”和“cv.glmnet”模型(16个分类和18个回归模型);1.4.1新教程和更健壮的版本;1.4-新的分类和回归模型,共有14种分类和15种回归方法,包括:决策树、神经网络、支持向量机、随机森林、打包和提升;1.3和1.3.1-新的分类和回归指标;1.2-通过改进的importance()函数实现新的输入重要性方法;1.0-第一版。
版本: |
1.4.6 |
进口: |
方法,倍体,晶格,奈特,kknn公司,请,MASS(质量),丙二醛,r零件,随机森林,阿达巴格,聚会,立体派,内核实验室,e1071号,格尔姆奈特,xgboost公司 |
出版: |
2020-08-28 |
内政部: |
10.32614/CRAN.包装.rminer |
作者: |
保罗·科尔特斯 |
维护人员: |
保罗·科尔特斯(Paulo Cortez)<pcortez at dsi.uminho.pt> |
许可证: |
GPL-2型 |
网址: |
https://cran.r-project.org/package=rminer
http://www3.dsi.uminho.pt/pcortez/rminer.html |
需要编译: |
不 |
在视图中: |
机器学习 |
CRAN检查: |
rminer结果 |
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=rminer链接到此页面。