克兰伯

R包KNNLAM:基于核的机器学习实验室。基于核的机器学习方法用于分类、回归、聚类、新颖性检测、分位数回归和降维。在其他方法中,KNLLAB包括支持向量机、谱聚类、核PCA、高斯过程和QP求解器。


ZBMaX中的参考文献(59篇)1标准条款

显示结果1至20的59。
按年份排序(引文
  1. RAMASUBRAMANIN,Karthik;Singh,AbHeHek:R(2019)中使用时间序列和基于工业的用例的机器学习
  2. Aggavar,Charu C.:文本机器学习(2018)
  3. Alexander Foss;Marianthi Markatou:KAMILA:R和Hadoop中混合型数据的聚类(2018)不是ZB数学
  4. Crawford,劳瑞恩;伍德,Kris C.;周,Xiang;穆克吉,Saya:具有变量选择的贝叶斯近似核回归(2018)
  5. Gul,Asma;PiPror娄,Aris;可汗,Zardad;艾哈迈迪,乌萨马;MiTaHuddin,Miftahuddin;艾德勒,艾德勒;Lausen,Belthod:(k)NN分类器子集的集合(2018)
  6. Jin Zhu,文亮攀,魏征,薛沁望:Ball:度量空间中分布差和关联的R检验包(2018)阿西夫
  7. 玛尔,帕特里克:R(2018)现代心理测量学
  8. 穆尼奥兹,Mario A.;Villanova,劳拉;巴塔尔,Davaatseren;史密斯迈尔斯,凯特:机器学习分类的实例空间(2018)
  9. 王,Boxiang;祖河,慧:距离加权辨析(2018)
  10. 奥迪吉尔,Vincent;Husson,弗兰·萨奥斯;Josse,朱莉:MIMCA:多重变量对应的分类变量的多重归责(2017)
  11. Bommert,安德列;RaNeNF,J,Rrg;Lang,米歇尔:一种用于高维数据的具有稳定特征选择的预测和稀疏模型的多准则方法(2017)
  12. 克劳迪奥,DuSeldop,伊莉斯:通过Logistic分类中继线建立阈值交互效应模型(2017)
  13. Ingo Steinwart,Philipp Thomann:SurvivSVM:一个快速通用的SVM软件包(2017)阿西夫
  14. 伊斯兰教,SHIBOQUL;阿南德,索尼亚;哈米德,Jimela;Tababne,Lehana;Beayne,约瑟夫:高维基因组数据整合背景下线性和非线性主成分的性能比较(2017)
  15. Angelopoulos,Nicos;阿卜杜拉,萨梅尔;吉亚马斯,Georgios:逻辑程序综合统计研究进展(2016)
  16. 邦,Sungwan;EO,So Hang;Co,雍么锷;Jhun,Myngsic;Co,HyungJun:右删失数据的非交叉加权核分位数回归(2016)
  17. Bischl、贝尔恩德、Kerschke、Pascal、Kotthoff、拉尔斯、林道尔、Pig、Oy、y、Fr E'Cheta、亚历山大、HoOS、Y.、Hoter、Y.、Y、Y、Y、Y、VaSoRoRon、Y::算法选择的基准库(2016)
  18. 索科洛夫斯卡,那塔丽亚;Cle,Karine;Zukk,Jeun-丹尼尔:可伸缩数据集成的深核降维(2016)
  19. Cichosz,Pawe:数据挖掘算法。用R(2015)解释
  20. Fernandez Lozano,卡洛斯;崔尼亚斯,F.,Seoane,约瑟夫;费恩南德斯布兰科,恩里克;Dorado,朱利安;MuntAuu,Fun:基于机器学习模型的基于分子星图描述符的信号蛋白分类(2015)