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。包括最小二乘法、绝对损失、t分布损失、分位数回归、logistic、多项式logistic、Poisson、Cox比例风险偏似然、AdaBoost指数损失、Huberized铰链损失和学习排序方法(LambdaMart)。


zbMATH中的参考文献(参考文献53条)

显示第1到第20个结果,共53个。
按年份排序(引用)
  1. Jared D.Huling,Monggang Yu:使用个性化软件包进行子组识别(2021)不是zbMATH
  2. Miron B.Kursa:Praznik:基于信息的高性能特征选择(2021)不是zbMATH
  3. Richard A.伯克:回归视角下的统计学习(2020)
  4. 楚江浩;李泰高速公路;Ullah,Aman:用于高维二进制分类和类概率预测的组件式AdaBoost算法(2020)
  5. 埃尔曼,米丽亚姆R。;米尼尔,杰西卡;张晓辉;Choi,Dongseok:高维分类中的噪声积累和总信号指数(2020年)
  6. Mišić,Velibor V.:树木组合优化(2020年)
  7. Pérez Chacón,R。;阿森西奥·科尔特斯,G。;马丁内斯-阿尔瓦雷斯,F。;Troncoso,A.:基于模式序列相似性的大数据时间序列预测及其在电力需求中的应用(2020)
  8. 周天辉,汤光宇,李凡,莱恩E.托马斯,李凡:P权重:倾向得分加权分析的R包(2020)阿尔十四
  9. 范登伯格,唐;博加茨,斯特凡;斯普林,马力纳斯;弗洛尔,罗布;范德克霍夫,约阿希姆;Batchelder,威廉H。;Wagenmakers,Eric Jan:司法精神病医院患者心理健康评分评估的文化共识理论(2020)
  10. 阿里扎·S·马哈尼;Mansour T.A.Sharabiani:参数和非参数生存函数的贝叶斯和非贝叶斯、特定原因竞争风险分析:R包CFC(2019)不是zbMATH
  11. 阿兹米,穆罕默德;伦格,乔治·C。;Berrado,Abdelaziz:分类数据空间中分类的可解释正则化类关联规则算法(2019)
  12. 彪,G。;干部,B。;鲁维埃,L.:加速梯度推进(2019)
  13. 维托耳奎拉;托戈,鲁伊斯;平托,法比奥;卡洛斯•索雷斯:预测专家的套利(2019年)
  14. 崔,平野;王,陈苹;米哈莱克,乔尔;Jonathan Gelfond:倾向评分法的功率比较(2019年)
  15. 拉莫萨,布里姆;Pauly,Markus:预测缺失值:非参数插补方法的比较研究(2019年)
  16. 屠春浩:不同机器学习算法估计广义倾向得分的比较(2019)
  17. Au,Timothy C.:随机森林、决策树和分类预测因子:“缺失水平”问题(2018)
  18. 李,西蒙·C·K。;Lin,Sheldon:Delta boosting machine及其在一般保险中的应用(2018)
  19. 全智瑜;Valdez,Emiliano A.:使用多元决策树对保险索赔进行预测分析(2018)
  20. 河村由纪夫;中本正孝;张思燕;Edward Ip:mbonsai:Tree Methodology的序列分类应用程序包(2018)不是zbMATH