跳到内容

起重机/gbts

文件夹和文件

姓名姓名
上次提交消息
上次提交日期

最新提交

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

存储库文件导航

包装:gbts

在二元分类和回归问题上实现梯度增强树的超参数优化。当前版本支持两种优化方法:贝叶斯优化和随机搜索。最终的输出不是返回单个最佳模型,而是通过集合选择方法构建的梯度增强树集合。

例子

二进制分类

#加载德国信贷数据数据(德国信贷)火车 <- 德国信贷$火车
测试 <- 德国信贷$测试
目标ID <- 德国信贷$目标ID
pred_idx前 <- 德国信贷$pred_idx前

#通过AUC优化训练GBT模型
模型 <-gbts标准(火车[,预idx],火车[,目标ID],硝基 = 200全氟甲基纤维素 = "auc公司")#根据测试数据进行预测
yhat_test(测试) <-预测(模型测试[,预idx])#根据测试数据计算AUC编剧(测试[,目标ID],yhat_test(测试)全氟甲基纤维素 = "auc公司")

回归

#加载波士顿住房数据数据(波士顿_住房)火车 <- 波士顿_住房$火车
测试 <- 波士顿_住房$测试
目标ID <- 波士顿_住房$目标ID
pred_idx前 <- 波士顿_住房$pred_idx前

#利用MSE优化训练GBT模型
模型 <-gbts标准(火车[,pred_idx前],火车[,目标ID],硝基 = 200全氟甲基纤维素 = "毫秒")#对测试数据进行预测
yhat_test(测试) <-预测(模型测试[,pred_idx前])#根据测试数据计算MSE编剧(测试[,目标ID],yhat_test(测试)全氟甲基纤维素 = "毫秒")

安装

要从CRAN获取最新发布的版本:

安装.包("gbts公司")

主要部件

要查看gbts提供的函数和数据集列表,请执行以下操作:

帮助(包裹 = "gbts标准")

关于

这是CRAN R软件包存储库的只读镜像。gbts-梯度增强树的超参数搜索

资源

许可证

星星

观察者

叉子

包装

未发布包

语言文字