E1091

R包E1071:MISC统计部门的职能(E1071),TU Wien。潜在类别分析、短时傅立叶变换、模糊聚类、支持向量机、最短路径计算、袋装聚类、朴素贝叶斯分类器等功能。


ZBMaCT中的参考文献(87篇文章中引用)

显示结果1至20的87。
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. Lai,Yuanhao;麦克劳德,伊恩:集合分位数分类器(2020)
  3. 余庆、麦、青:差分网络分析的有效计算及其在二次判别分析中的应用(2020)
  4. Sheng,英;王,Qihua:超高维分类的无模型特征筛选(2020)
  5. Bagirov,阿迪尔;Taheri,Sona;Asadi,Soodabeh:分段线性回归凸优化算法的差异(2019)
  6. BAK、Kwan Young、Jhong、Jae Hwan、Koo、Ja Yong:B样条和全变分惩罚的空间自适应二值分类器(2019)
  7. Christoph Mssel,Ludwig Lausser,Markus Maucher,Hans A. Kestler:分类器的多目标参数选择(2019)不是ZB数学
  8. Cichosz,PAWE:讨论论坛文章的文本挖掘:用词袋和全局向量分类(2019)
  9. Cipolli,威廉三世;汉森,蒂莫西:基于光滑波利亚树的监督学习(2019)
  10. 戴维斯,Benjamin J. K.;CurrReo,Frank C.:非欧几里得空间协方差矩阵的地统计学方法的发展和评价(2019)
  11. Dena J. Clink,Holger Klinck:GiBrnr:用机器学习检测和分类声学信号的R包(2019)阿西夫
  12. GE,李;刘,Jiaguo;张,Yusen;德默,马蒂亚斯:用广义混沌游戏表示识别抗癌肽(2019)
  13. O'HaGaN,阿德里安;White,亚瑟:改进的基于模型的聚类性能使用贝叶斯初始化平均(2019)
  14. 潘,余庆;麦青;张,辛:高维协变调整张量分类(2019)
  15. 皮切尼,维克托;Servien,ReMI;维拉莱涅别墅,娜塔丽:功能数据可解释的稀疏SIR(2019)
  16. 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
  17. 元,Beibei;海泽尔,威廉;De Rooij,马克:(δ)-机器:基于距离的原型分类(2019)
  18. 于青攀,青买,张欣:郁金香:一个带有惩罚的线性判别分析的工具箱(2019)阿西夫
  19. Zarei,Shaho;Mohammadpour,Adel:通过逻辑回归(2019)在高维分类中使用合成数据和降维
  20. Alicja Gosiewska;Przemyslaw Biecek:审计员:模型不可知性视觉验证和诊断的R包(2018)阿西夫