mbost:基于模型的增强

函数梯度下降算法（boosting）用于优化一般风险函数分量（惩罚）最小二乘估计或回归树作为基学习器，用于拟合广义线性、可加性以及潜在高维数据的交互模型。模型和算法如所述<doi:10.1214/07-STS242>,可从以下网址获得实践教程<doi:10.1007/s00180-012-0382-5>.该软件包允许用户特定的损失函数和基础学习者。

版本：	2.9-9
取决于：	R（≥3.2.0），方法，统计，并行，刺伤(≥ 0.5-0)
进口：	矩阵,生存（≥3.2-10），花键，晶格,nnls公司,二次规划优化函数，utils，图形，grDevices，聚会用具(≥ 1.2-1)
建议：	TH.数据,MASS（质量）,领域,贝叶斯X,千兆字节,ml试验台,RColorBrewer公司,r零件(≥ 4.0-3),随机森林,奈特,测试那个（≥0.10.0），kangar00号
出版：	2023-12-07
作者：	托尔斯滕·霍霍恩[cre，aut]，彼得·布埃尔曼[aut]，托马斯·科尼布[aut]，马蒂亚斯·施密德[aut]，本杰明·霍夫纳[aut]，费比安·奥托·索博特卡【ctb】，费边方案【ctb】，安德烈亚斯·迈尔【ctb】
维护人员：	Torsten Hothorn＜Torsten。R-project.org上的Hothorn>
错误报告：	https://github.com/boost-R/mboost/issues
许可证：	GPL-2型
网址：	https://github.com/boost-R/mboost
需要编译：	对
引用：	mbost引文信息
材料：	新闻
在视图中：	机器学习,生存
CRAN检查：	mbost结果

文档：

参考手册：	mboost.pdf文件
渐晕图：	生存合奏 姆博斯特 mbost插图 mboost教程

下载内容：

程序包来源：	mboost_2.9-9.tar.gz
Windows二进制文件：	r-预发布：mboost_2.9-9.zip，r版本：mboost_2.9-9.zip，r-oldrel：mboost_2.9-9.zip
macOS二进制文件：	r-prerel（arm64）：姆博斯特2.9-9.tgz，r-release（arm64）：姆博斯特2.9-9.tgz，r-oldrel（arm64）：姆博斯特2.9-9.tgz，r-prerel（x86_64）：姆博斯特2.9-9.tgz，r-release（x86_64）：姆博斯特2.9-9.tgz
旧来源：	mboost存档

反向依赖关系：

反向取决于：	助推器rq,期待（expectreg）,FD增压,赌博,绿色荧光增强器,不变量因果预测,隧道掘进机
反向进口：	生物梨,布加尔,carSurv公司,审查,DIF增压,EnMCB公司,gamboostMSM游戏,GeDS公司,地理GAM,管理世界卫星组织,蒸汽增压器,签证OTR
反向建议：	有线电视数据,比较CausalNetworks,熟悉的,流量ml,fscaret符号,HSAUR2号,HSAUR3级,估算R,机器车间,ML接口,最大似然比,之前,钉子标签GAM,sqlscore,刺伤,超凸的,水母

链接：

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