 | RF-ACE.Multivariate Maschinenlernen mit heterogenen Daten |
| Jetzt downloaden | |
RF-ACE. Ranking & Zusammenfassung
Anzeige
RF-ACE. Stichworte
RF-ACE. Beschreibung
RF-ACE ist eine effiziente Implementierung eines robusten Maschinenlernen-Algorithmus zum Aufdecken von multivariatischen Verbänden, der Aufbauprädictors und der Vorhersage neuer Daten, entweder mit Klassifizierungs- oder Regressions-Baumsembles, aus großen und diversen Datensätzen. RF-ACE niert numerische und kategorische Daten mit fehlenden Werten, und in Merkmalsauswahl werden möglicherweise große Mengen an nicht -informativen Merkmalen anmutig behandelt, die künstliche Kontrastfunktionen, Bootstrapping- und P-Wertschätzung nutzen. Die Anwendung implementiert sowohl den steigenden Baumstammbaum (GBT) als auch zufällige Wald (RF) -Algorithmen. Haupteigenschaften: -Daten können in verschiedenen Formaten bereitgestellt werden schätzt Standard-Modellparameter basierend auf den Abmessungen von Eingabedaten umfangreicher Unterstützung für Anpassung Die Wichtigkeitsergebnisse ist normalisiert und ist somit über parallele RF-ACE-Läufe mit unterschiedlichen Zielfunktionen vergleichbar: nützlich beim Bau von "All-vs-All-Association Maps Die Wichtigkeitsergebnisse wird weiter auf einen p-Wert basierend auf empirischer Hintergrundmodell und T-Test weiter übersetzt. implementiert GBT und RF zur Vorhersage Intuitive Interface: RF-ACE-Filter führt Merkmalsauswahl durch RF-ACE-Build-Predictor erstellt Prädiktor auf der Grundlage von Trainingsdaten rf-ace-predict macht Vorhersagen mit neuartigen Daten
RF-ACE. Zugehörige Software
