• XG增压

  • 引用52篇文章[sw21035]
  • 算法梯度 助推框架。XGBoost提供了一个并行的 助推(也知道。。。
  • 轻GBM

  • 参考11篇文章[sw27912]
  • LightGBM:一种高效的梯度 助推决策. 快速、分布式、高性能梯度 助推...
  • mboost公司

  • 引用了60篇文章[sw07331]
  • mboost:基于模型助推. 功能性梯度下降算法(助推)为了优化一般风险函数。。。明智(惩罚)最小二乘估计或回归作为基础学习者拟合广义线性。。。
  • 埃尔博斯特

  • 参考6篇文章[sw26258]
  • erboost:基于ER的非参数多元期望回归-促进. 预期回归是一个很好的工具。。。这个包实现了一个回归基于梯度 助推非参数多元期望回归的估计量。。。
  • 希比特人

  • 引用4篇文章[sw30626]
  • 模型,序数数据模型,梯度 助推,决定和随机森林。使用我们提议的。。。
  • XG增压

  • 引用13篇文章【sw15875】
  • 它是梯度 助推框架。这个包是它的R接口。。。软件包包括高效的线性模型求解器和学习算法。软件包可以自动。。。比现有速度快10倍以上梯度 助推包装。它支持各种目标函数,包括。。。
  • 快速制动

  • 1条引用[sw19837]
  • 随机的缓存友好实现梯度-增强决策多元分类。随机的梯度-增强...
  • gbev公司

  • 1条引用[sw16487号]
  • gbev包:梯度 增强回归变量中有错误。此包执行非参数化。。。模型估计使用梯度 增强回归. 回归是使用平方误差损失。。。
  • 数量

  • 参考第2条[sw24770]
  • 两种分类算法的考虑(梯度-助推决策支持向量机)。总的来说。。。
  • gbts公司

  • 在0篇文章中引用[sw19110]
  • 包装gbts。gbts参数:超搜索梯度 增强 . 一个超参数优化的实现。。。梯度 增强 关于二元分类和回归问题。当前版本提供了两个优化。。。最终输出是梯度 增强 用系综方法构造。。。
  • 参考第2条[sw20721]
  • 包boostmtree:增强多元纵向数据。实施弗里德曼的梯度下降助推算法。。。
  • 助推器

  • 1条引用[sw16041]
  • 梯度 助推有效地学习由一组关系表示的结构...
  • GBMCI公司

  • 参考第2条[sw11476]
  • 梯度 助推基于一致性指数直接优化的生存分析算法。生存分析重点。。。非参数模型利用回归集合为了确定危险函数如何变化。。。使用梯度 助推优化平滑近似的方法。。。
  • R

  • 在8359篇文章中引用[sw00771]
  • 是一种统计语言和环境。。。
  • 自动

  • 引用877篇文章[sw01059]
  • AUTO是一个连续和分叉的软件。。。