randomUniformForest:用于分类、回归和无监督学习

集成模型，用于分类、回归以及基于未经整理的森林的无监督学习和随机二叉决策树。每棵树都长出来了通过在每个节点采样并替换一组变量。根据连续的均匀分布。对于每个树，数据要么是引导的或次采样。无监督模式引入了聚类、降维以及使用三层引擎的可变重要性。随机均匀森林主要是旨在降低树（或树残差）之间的相关性，以提供深入的分析具有可变重要性，并允许本地分布式增量学习。

版本：	1.1.6
取决于：	R（≥4.2.0）
进口：	方法，卢比（≥0.11.1），平行，do并行,迭代器,foreach公司(≥ 1.4.2),ggplot2,pROC公司,集群,质量
链接到：	卢比
建议：	R.rsp公司
出版：	2022-06-21
作者：	赛普·西斯
维护人员：	Saip Ciss<wanadoo.fr的Saip.Ciss>
许可证：	BSD_3_条款+文件许可证
需要编译：	对
引用：	randomUniformForest引文信息
材料：	新闻
CRAN检查：	randomUniformForest结果

文档：

参考手册：	随机统一预测.pdf
渐晕图：	随机均匀森林中的可变重要性 随机均匀森林理论与实践

下载：

程序包来源：	随机统一森林_1.1.6.tar.gz
Windows二进制文件：	r-预发布：randomUniformForest_1.1.6.zip，r版本：randomUniformForest_1.1.6.zip，r-oldrel：randomUniformForest_1.1.6.zip
macOS二进制文件：	r-prerel（arm64）：随机统一森林_1.1.6.tgz，r-release（arm64）：随机统一森林_1.1.6.tgz，r-oldrel（arm64）：随机统一森林_1.1.6.tgz，r-prerel（x86_64）：随机统一森林_1.1.6.tgz，r-release（x86_64）：随机统一森林_1.1.6.tgz
旧来源：	randomUniformForest存档

链接：

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