随机子空间集合分类与变量筛选
针对稀疏分类问题，我们提出了一个通用的集成分类框架RaSE算法。在RaSE算法中，对于每个弱学习者，生成一些随机子空间，并根据一些准则选择最优子空间来训练模型。为了适应这一问题，基于Kullback-Leibler散度，提出了一种新的比率信息准则（RIC）。除了最小化RIC之外，还可以应用多种标准，例如，最小化扩展贝叶斯信息准则（eBIC）、最小化训练误差、最小化验证误差、最小化交叉验证误差、最大限度地减少遗漏误差。基本分类器有多种选择，例如线性判别分析、二次判别分析、k近邻、逻辑回归、决策树、随机森林、支持向量机。RaSE算法还可以用于进行特征排序，根据在多个子空间中选择的百分比为我们提供每个特征的重要性。RaSE框架可以扩展到一般预测框架，包括分类和回归。我们可以使用选定的变量百分比进行变量筛选。最新版本增加了回归和分类问题的变量筛选功能。
| 版本： |
3.0.0 |
| 取决于： |
R（≥3.1.0） |
| 进口： |
MASS（质量）,插入符号,班,do并行,e1071号,foreach公司,奈特,随机森林,r零件，统计数据，ggplot2,额外网格,格式R,FNN公司,护林员,内核Knn，实用程序，ModelMetrics（模型度量）,格尔姆奈特 |
| 建议： |
针织者,rmarkdown公司 |
| 出版： |
2021-10-16 |
| 作者： |
叶田[aut，cre]和杨峰[aut] |
| 维护人员： |
叶田（Ye Tian）<columbia.edu> |
| 许可证： |
GPL-2型 |
| 需要编译： |
不 |
| 材料： |
新闻 |
| CRAN检查： |
RaSEn结果 |
文档：
下载内容：
链接：
请使用规范形式https://CRAN.R-project.org/package=拉森链接到此页面。