mboost公司

R包mboost:基于模型的Boosting。函数梯度下降算法(boosting)用于优化一般风险函数,使用组件式(惩罚)最小二乘估计或回归树作为基本学习者,将广义线性、加性和交互模型拟合到潜在的高维数据。


zbMATH中的参考文献(参考文献69条,2标准条款)

显示第1到第20个结果,共69个。
按年份排序(引用)
  1. 里斯卡,吉尔伯托·罗德里格斯;西里洛,马塞洛·恩盖洛;德梅内塞斯,富图纳托·席尔瓦;Bueno Filho,Julio Silvio de Sousa:基于扩展广义线性模型的机器学习在混合实验中的应用(2022)
  2. Rui J.Costa,Moritz Gerstung:经验Bayes-Cox模型下疾病进展分析的R包ebmstate(2022)阿尔十四
  3. 巴尔母鸡,艾弗纳;盖伊,塞文;Poggi,Jean-Michel:空间车分类树(2021)
  4. 艾伦巴赫,妮可;布尔斯泰克斯,安妮·劳尔;比什尔,伯纳德;安格,克里斯蒂安;Hornung,Roman:通过稳健的参数调整改进数据源的结果预测(2021年)
  5. Fasiolo,M.,Wood,S.N.,Zaffran,M.,Nedelec,R.,Goude,Y.:qgam:R中的贝叶斯非参数分位数回归模型(2021)不是zbMATH
  6. Jakob A.Dambon,Fabio Sigrist,Reinhard Furrer:varycoef:基于高斯过程的空间变系数模型的R包(2021)阿尔十四
  7. 科洛索瓦,坦尼亚;Berestizhevsky,Samuel:监督机器学习。SAS和R的优化框架与应用(2021)
  8. 穆吉奥,维托M.R。;托雷塔,费德里科;艾勒,保罗·H·C。;西安德拉,玛丽安格拉;阿塔纳西奥,马西莫:加性回归分位数中的多重平滑参数选择(2021)
  9. 优素福,卡西夫;Ng,Serena:用时变参数推进高维预测回归(2021)
  10. 安格布雷森,Solveig;Glad,Ingrid K.:高维和低维的加性单调回归(2019)
  11. 维森德斯,D。;泰马弗德,L。;麦克奈尔,P.D。;惠特菲尔德,K。;英语,D.R。;本泰伊布,S。;亨德曼,R.J。;Thomas,R.:在一项结直肠癌治疗研究(2019年)中使用深度数据分析方法预测整个分布
  12. 威尔乔斯基,托马斯;Schmid,Matthias:稀疏核深堆叠网络(2019)
  13. 本德,安德烈亚斯;格罗尔,安德烈亚斯;Scheipl,Fabian:时间到事件分析的广义加性模型方法(2018)
  14. Emily Morris,Kevin He,Li Yanming Li,Yi Li,Jian Kang:SurvBoost:基于梯度提升的分层比例风险模型中高维变量选择的R包(2018)阿尔十四
  15. 梅尔,安德烈亚斯;本杰明·霍夫纳:统计建模的推进——非技术性介绍(2018)
  16. 朔贝格,冈瑟;格罗尔,安德烈亚斯:用随机森林预测国际足球锦标赛的比赛(2018)
  17. 塞博尔德,海蒂;伯瑙,克里斯托夫;布尔斯泰克斯,安妮·劳尔;De Bin,Riccardo:关于高维线性Cox模型提升步数的选择和影响(2018)
  18. 托马斯,珍妮克;梅尔,安德烈亚斯;比什尔,伯纳德;施密德,马提亚斯;史密斯,亚当;Hofner,Benjamin:分布回归的梯度提升:通过非周期更新加快调整和改进变量选择(2018)
  19. 伊丽莎白·瓦尔德曼:《分位数回归:如何和为什么》短篇小说(2018)
  20. 波默特,安德里亚;拉赫内夫勒,约格;Lang,Michel:一种多准则方法,为高维数据寻找具有稳定特征选择的预测和稀疏模型(2017)