自动打包:学习使用元学习对打包工作流进行排序

自动机器学习框架。具体来说,重点是优化装袋工作流。打包工作流由三个阶段组成:(i)生成:要学习哪些预测模型以及学习多少预测模型;(ii)修剪:学习一组模型后,将最差的模型从集合中删除;和(iii)整合:如何将模型组合起来预测新的观测结果。autoBagging通过结合元学习和从元数据学习到排序的方法来优化这些过程。它通过利用过去的性能和数据集特征自动对63个打包工作流进行排名。该方法的完整描述见:Pinto,F.、Cerqueira,V.、Soares,C.、Mendes-Moreira,J.(2017):“自动打包:使用元学习对打包工作流进行排名”arXiv预印本arXiv:1706.09367。

版本: 0.1.0
取决于: R(≥2.10)
进口: 集群xgboost公司、方法、,e1071号r零件阿宾德插入符号MASS(质量)激光雷达CORElearn公司信息提奥密涅瓦当事人
建议: 测试那个
出版: 2017-07-02
作者: 法比奥·平托[aut],Vitor Cerqueira[克],卡洛斯·索尔斯,若昂·门德斯·莫雷拉
维护人员: 维托·塞奎拉(Vitor Cerqueira)<Cerqueira.vitormanuel at gmail.com>
许可证: GPL-2型|GPL-3公司[扩展自:GPL(≥2)]
需要编译:
引用: 自动打包引文信息
材料: 自述文件
CRAN检查: 自动打包结果

文档:

参考手册: 自动打包.pdf

下载内容:

程序包来源: 自动打包_0.1.0.tar.gz
Windows二进制文件: r-devel公司:自动打包_0.1.0.zip,r版本:自动打包_0.1.0.zip,r-oldrel:自动打包_0.1.0.zip
macOS二进制文件: r释放(arm64):自动打包_0.1.0.tgz,r-oldrel(arm64):自动打包_0.1.0.tgz,r-release(x86_64):自动打包_0.1.0.tgz

链接:

请使用规范形式https://CRAN.R-project.org/package=自动打包链接到此页面。