evtree：全局最优树的进化学习

常用的分类和回归树方法，如CART算法是在正向逐步搜索中构建模型的递归分区方法。虽然这种方法被认为是一种有效的启发式方法，但递归的结果树方法只是局部最优的，因为选择分割是为了最大化同质性只有下一步。另一种搜索树参数空间的方法是使用全局优化方法，如进化算法。“evtree”包实现了一种用于学习全局最优分类和CPU和内存密集型任务中的回归树在C++中完全计算，而利用“partykit”包在R中表示生成的树，提供用于摘要、可视化和预测的统一基础设施。

版本：	1.0-8
取决于：	R（≥3.3.0），聚会
建议：	公式,内核实验室,晶格,ml试验台,多计算机,当事人,r零件,可发送的
出版：	2019-05-26
作者：	托马斯·格拉宾格[aut，cre]，阿奇姆·泽利斯[自动]，卡尔·彼得·菲佛
维护人员：	托马斯·格拉宾格（Thomas Grubinger）
许可证：	GPL-2型|GPL-3公司
需要编译：	对
引文：	evtree引用信息
材料：	新闻
在视图中：	机器学习
CRAN检查：	evtree结果

文档：

参考手册：	evtree.pdf格式
渐晕图：	R中全局最优分类和回归树的进化学习

下载内容：

程序包来源：	evtree_1.0-8.tar.gz
Windows二进制文件：	r-发展：evtree_1.0-8.zip文件，r版本：evtree_1.0-8.zip文件，r-oldrel：evtree_1.0-8.zip版本
macOS二进制文件：	r释放（arm64）：evtree_1.0-8.tgz，r-oldrel（arm64）：evtree_1.0-8.tgz，r-release（x86_64）：evtree_1.0-8.tgz，r-oldrel（x86_64）：evtree_1.0-8.tgz
旧来源：	evtree存档

反向依赖关系：

反向进口：	保险,菲尔
反向建议：	流量ml,f插入符号,最大似然比,2百万立方米,稳定学习者

链接：

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