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(75篇)1标准条款

显示结果1至20的75。
按年份排序(引文
  1. Boehmke,Brad;格林威尔,Brandon M.:用R(2020)进行机器学习
  2. BuBeik,彼得;Hull,米迦勒;帕特尔,Dhruv;Whittle,本杰明:持续同调检测曲率(2020)
  3. 琼斯,本;ARTIMIOU,安德烈亚斯;李,Bing:关于核主成分的预测势(2020)
  4. Cerqueira,维托尔;托尔戈,卢,平托,法奥比奥;索阿雷斯,卡洛斯:预测专家套利(2019)
  5. 费雷罗,Maria Brigida;Giordani,Paolo:非线性可分数据(Fuzzy)聚类的回顾与建议(2019)
  6. 弗兰Cou-OIS角色,Stanislas Morbieu,Mohamed Nadif:CoCult:Python软件包用于共同聚类(2019)不是ZB数学
  7. Haziq Jamil,Wicher Bergsma:IPREP:用I-先验回归模型的R包(2019)阿西夫
  8. 靳,Shaobo;Ankargren,塞巴斯蒂安:结构方程模型中的频率模型平均(2019)
  9. KUMAGAI,WATARU;Kanamori,Takafumi:使用参数特征映射的转移学习的风险边界及其在稀疏编码中的应用(2019)
  10. LasSere,Jean B.;Pauwels,Edouad:经验克里斯托弗尔函数及其在数据分析中的应用(2019)
  11. Quach,安娜;Syman Zikk,JurrGn;福斯格伦,妮科尔:社区的灵魂:试图评估一个社区的依恋(2019)
  12. 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
  13. Yaohao,彭;阿尔伯克基,Pedro Henrique Melo:非线性相互作用和汇率预测:支持向量回归的经验证据(2019)
  14. Aggavar,Charu C.:文本机器学习(2018)
  15. Alexander Foss;Marianthi Markatou:KAMILA:R和Hadoop中混合型数据的聚类(2018)不是ZB数学
  16. 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)
  17. 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)
  18. 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
  19. 玛尔,帕特里克:R(2018)现代心理测量学
  20. 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)