gbm公司

广义增强回归模型。这个包实现了对Freund和Schapire的AdaBoost算法和Friedman的梯度boosting机器的扩展。对数损失的绝对损失,损失的绝对损失,胡伯德损失的绝对损失,胡伯德损失的统计方法。


zbMATH中的参考文献(参考 43篇文章

显示第1到第20个结果,共43个。
按年份排序(引用)
  1. Richard A.伯克:回归视角下的统计学习(2020)
  2. Alireza S.Mahani;Mansour T.A.Sharabiani:参数生存函数和非参数生存函数的贝叶斯和非贝叶斯因果竞争风险分析:R包CFC(2019)不是zbMATH
  3. Biau,G.;干部,B.;Rouvière,L.:加速梯度推进(2019年)
  4. 维托塞尔奎拉;卢伊斯托戈;法比奥平托;卡洛斯索雷斯:预测专家套利(2019年)
  5. Choi,Byeong Yeob;Wang,Chen Pin;Michalek,Joel;Gelfond,Jonathan:倾向评分方法的力量比较(2019)
  6. Ramosaj,Burim;Pauly,Markus:预测缺失值:非参数插补方法的比较研究(2019年)
  7. 屠春浩:不同机器学习算法估计广义倾向得分的比较(2019)
  8. Au,Timothy C.:随机森林、决策树和分类预测因子:“缺失水平”问题(2018)
  9. Lee,Simon C.K.;Lin,Sheldon:Delta boosting machine及其在一般保险中的应用(2018)
  10. Quan,Zhiyu;Valdez,Emiliano A.:基于多元决策树的保险索赔预测分析(2018)
  11. Yukinobu Hamuro;Masakazu Nakamoto;Stephane Cheung;Edward Ip:mbonsai:树方法序列分类应用程序包(2018)不是zbMATH
  12. Wauters,Mathieu;Vanhoucke,Mario:人工智能项目工期预测的近邻扩展(2017)
  13. Blaser,Rico;Fryzlewicz,Piotr:随机旋转组合(2016)
  14. De Bin,Riccardo:Boosting in Cox regression:基于可能性和基于模型的方法的比较,重点放在R-packages\textITCOxBoostStand\textitmboost(2016)
  15. Dubossarsky,E.;Friedman,J.H.;Ormerod,J.T.;Wand,M.P.:基于小波的梯度增强(2016)
  16. Li,Lin;Li,Yang;Qin,Yichen;Chen,Jiahu;Wang,Limin;Yi,Danhui:基于复合准则的自适应随机梯度提升树(2016)
  17. 基于5alpha基因芯片的临床剂量预测;基于5alpha基因芯片的样本量;2016年
  18. 多变量Natian-Srijan模型;Fabrizan-Natian-Restine;多变量数据;Fabiradio-Srina;2015年1月
  19. Kotthaus,Helena;Korb,Ingo;Lang,Michel;Bischl,Bernd;Rahnenführer,Jörg;Marwedel,Peter:机器学习R程序的运行时和内存消耗分析(2015)
  20. Yang,Yi;Zou,Hui:基于ER-Boost的非参数多元预期回归(2015)