Rf-ace Heterojen verilerle çok değişkenli makine öğrenimi
Şimdi İndirin

Rf-ace Sıralama ve Özet

Rf-ace Etiketler

Algoritma öğrenme belirleyici Makine Öğrenme Algoritması

Rf-ace Açıklama

RF-ACE, çok değişkenli dernekleri ortaya çıkarmak için sağlam bir makine öğrenme algoritmasının, öngörücüleri oluşturma ve yeni verileri, büyük ve çeşitli veri kümelerinden gelen sınıflandırma veya regresyon ağacı topluluğu ile öngörmek için verimli bir şekilde uygulanmasıdır. RF-ACE, eksik değerlerle sayısal ve kategorik verileri doğal olarak ele alır ve özellik seçiminde potansiyel olarak büyük miktarlarda nonik olmayan özellikler, yapay kontrast özellikleri, önyükleme ve P-değeri tahmini kullanarak zarif bir şekilde kullanılır. Uygulama, hem degrade yükseltme ağacı (GBT) hem de rastgele orman (RF) algoritmalarını uygular. Ana Özellikler: verileri çeşitli formatlarda sağlanabilir Giriş verilerinin boyutlarına göre varsayılan model parametrelerini tahmin eder Özelleştirme için kapsamlı destek Önem Skoru normalize edilir ve bu nedenle farklı hedef özelliklere sahip paralel RF-ACE çalışmaları arasında karşılaştırılabilir: "All-VS-Hepsi" Derneği Haritalarının İnşaatı Önemi skoru ayrıca ampirik arka plan modeline ve t-testine göre bir P değerine tercüme edilir tahmin için GBT ve RF uygular Sezgisel Arayüz: RF-ACE-Filtre, özellik seçimini gerçekleştirir RF-ACE-Build-Tahminci, eğitim verilerine göre belirleyici oluşturur RF-ACE-Tahmin, yeni verilerle tahminleri yapar

Rf-ace İlgili Yazılım