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。