有序森林:有序森林:预测和有序变量排序目标变量
有序森林(OF)方法允许高维有序回归和低维数据。使用训练数据集构建OF预测规则后,它可以用于预测新观测值的序数目标变量的值。此外,通过of的(基于排列的)变量重要性度量,它也是可以根据协变量在预测序数目标变量的值。OF见Hornung(2020)。注意:从软件包版本2.4开始,也可以获得类概率预测除了类点预测。此外,变量重要性值也可以基于类概率预测。初步结果表明这可能会更好地区分有影响力和无影响力的协变量。该包的主要功能是:ordfor()(of的构造)和predict.ordfor()(预测新观测的目标变量值)。参考文献:Hornung R.(2020)《有序森林》。分类杂志37,4–17。<数字对象标识代码:10.1007/s00357-018-9302-x>。
版本: |
2.4-3 |
进口: |
卢比(≥ 0.11.2),组合,奈特,验证 |
链接到: |
卢比 |
出版: |
2022-11-30 |
作者: |
罗马霍农 |
维护人员: |
罗马Hornung<在ibe.med.uni muenchen.de的Hornung> |
许可证: |
GPL-2型 |
需要编译: |
对 |
CRAN检查: |
ordinalForest结果 |
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=ordinalForest链接到此页面。