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参考文献(49篇文章引用)

显示第1到第20个结果,共49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. Chu,Jianghao;Lee,Tae Hwy;Ullah,Aman:用于高维二进制分类和类别概率预测的组件式AdaBoost算法(2020)
  3. Elman,Miriam R.;Minnier,Jessica;Chang,Xiahui;Choi,Dongseok:高维分类和总信号指数中的噪声积累(2020年)
  4. 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
  5. van den Bergh,Don;Bogaerts,Stefan;Spreen,Marinus;Flohr,Rob;Vandekerckhove,Joachim;Batchelder,William 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年)
  6. 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
  7. Azmi,Mohamed;Runger,George C.;Berrado,Abdelaziz:用于分类的可解释正则化类关联规则算法(2019)
  8. Biau,G.;干部,B.;Rouvière,L.:加速梯度推进(2019年)
  9. 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)
  10. Choi,Byeong Yeob;Wang,Chen Pin;Michalek,Joel;Gelfond,Jonathan:倾向评分方法的力量比较(2019)
  11. Ramosaj,Burim;Pauly,Markus:预测缺失值:非参数插补方法的比较研究(2019年)
  12. 屠春浩:不同机器学习算法估计广义倾向得分的比较(2019)
  13. Au,Timothy C.:随机森林、决策树和分类预测因子:“缺失水平”问题(2018)
  14. Lee,Simon C.K.;Lin,Sheldon:Delta boosting machine及其在一般保险中的应用(2018)
  15. Quan,Zhiyu;Valdez,Emiliano A.:基于多元决策树的保险索赔预测分析(2018)
  16. 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
  17. Wauters,Mathieu;Vanhoucke,Mario:人工智能项目工期预测的近邻扩展(2017)
  18. 大卫·波多因;奥利弗·舒尔特;蒂姆·B·斯沃茨:国家冰球联赛中有偏见的点球(2016年)
  19. Blaser,Rico;Fryzlewicz,Piotr:随机旋转组合(2016)
  20. 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)