gbm公司

gbm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50篇文章)

显示第1到第20个结果,共50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. 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)
  3. 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)
  4. Mišić,Velibor V.:树木组合优化(2020年)
  5. 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
  6. 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)
  7. 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
  8. 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)
  9. 彪,G。;干部,B。;鲁维埃,L.:加速梯度推进(2019)
  10. 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)
  11. 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)
  12. 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)
  13. 屠春浩:不同机器学习算法估计广义倾向得分的比较(2019)
  14. Au,Timothy C.:随机森林、决策树和分类预测因子:“缺失水平”问题(2018)
  15. 李,西蒙·C·K。;Lin,Sheldon:Delta boosting machine及其在一般保险中的应用(2018)
  16. 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)
  17. 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
  18. 沃特斯,马修;万豪克,马里奥:人工智能项目工期预测的近邻扩展(2017)
  19. 美女,大卫;舒尔特,奥利弗;斯沃茨,蒂姆B.:国家曲棍球联盟(2016年)中有偏见的点球判罚
  20. 布拉瑟,里科;Fryzlewicz,Piotr:随机旋转组合(2016)