伯恩德·比施尔;米歇尔·朗;拉尔斯·科特霍夫;朱莉娅·希夫纳;雅各布·里希特;埃里希·斯图德鲁斯;朱塞佩·卡萨利基奥;Zachary M.琼斯。 mlr:在\(\mathbf R\)中进行机器学习。 (英语) Zbl 1392.68007号 J.马赫。学习。物件。 17,第170号论文,第5页(2016年). 摘要:最大似然比包为(mathbf R)语言的分类、回归、生存分析和聚类提供了一个通用的、面向对象的和可扩展的框架。它为160多名基础学习者提供了一个统一的接口,包括元算法和模型选择技术,以改进和扩展基础学习者的功能,例如超参数调整、特征选择和集成构建。本机支持并行高性能计算。该软件包针对的是希望快速应用机器学习算法的从业者,以及希望在结构化环境中实现、基准测试和比较其新方法的研究人员。 引用于1审查引用于17文件 MSC公司: 68-04 计算机科学相关问题的软件、源代码等 2004年6月62日 统计相关问题的软件、源代码等 62H30型 分类和区分;聚类分析(统计方面) 62J05型 线性回归;混合模型 62号05 可靠性和寿命测试 68T05型 人工智能中的学习和自适应系统 关键词:机器学习;超参数调谐;型号选择;特征选择;基准测试;对;可视化;数据挖掘 软件:威卡;对;格格作响;Scikit公司;CRAN(起重机);插入符号;github;批量实验;开放多媒体程序库;最大似然比;CMA公司;批处理作业;CORElearn公司;知识产权保护;端接器;parallelMap(平行映射) PDF格式BibTeX公司 XML格式引用 \textit{B.Bischl}等人,J.Mach。学习。第17号决议,第170号文件,第5页(2016年;兹bl 1392.68007) 全文: 链接