埃夫特里

evtree:全局最优树的进化学习。常用的分类和回归树方法(如CART算法)是递归分区方法,它们以正向逐步搜索的方式构建模型。虽然这种方法被认为是一种有效的启发式方法,但是递归树方法的结果只是局部最优的,因为只在下一步选择分割来最大化同质性。另一种搜索树的参数空间的方法是使用全局优化方法,如进化算法。evtree包实现了在R中学习全局最优分类和回归树的进化算法。CPU和内存密集型任务在C++中完全计算,而partykit包则用于在R中表示结果树,为摘要、可视化和预测提供统一的基础设施


zbMATH中的参考文献(参考文献11条,1标准件)

显示结果1到11,共11个。
按年份排序(引用)

  1. 卡里佐萨,埃米利奥;莫莱罗-里欧,克里斯蒂娜;Romero Morales,Dolores:分类和回归树中的数学优化(2021)
  2. Richard A.伯克:回归视角下的统计学习(2020)
  3. 埃里克·斯维德鲁普;阿尤什·卡诺迪亚;周正元;苏珊·阿西;Stefan Wager:policytree:通过双倍稳健的经验福利最大化进行政策学习(2020)不是zbMATH
  4. 赫普纳,塞巴斯蒂安;条纹,尤金;贝森,巴特;范登布鲁克,塞普;Verdonck,Tim:用于客户流失预测的利润驱动决策树(2020)
  5. Asfha,Huruy debassess;Kilinc,Betul Kan:三种基于树的分类方法的绩效评估(2018)
  6. 亨卡尔茨,罗尔;安东尼奥,凯特伦;克利斯特斯,马克西姆;Verbelen,Roel:构建保险费率等级的数据驱动的装箱策略(2018)
  7. 河村由纪夫;中本正孝;张思燕;Edward Ip:mbonsai:Tree Methodology的序列分类应用程序包(2018)不是zbMATH
  8. 阿尔瓦雷斯·伊格莱西亚斯,阿尔伯托;辛德,约翰;弗格森,约翰;Newell,John:一种基于剪枝的无偏递归分区方法(2017)
  9. 奥特,阿明;Hapfelmeier,Alexander:PRIM和CART的非参数子群识别:模拟和应用研究(2017)
  10. Hothorn,Torsten:partykit:一个用于递归partytion的模块化工具箱,见\texttr(2015)
  11. 托马斯·格鲁宾格;阿基姆·泽利斯;Karl Peter Pfeiffer:evtree:R中全局最优分类和回归树的进化学习(2014)不是zbMATH