mlr提供了此功能,因此您可以专注于实验!该框架提供分类,回归和生存分析等有监督的方法,以及它们相应的评估和优化方法,以及聚类等无监督的方法。它的编写方式使您可以自己扩展它,也可以偏离已实现的便捷方法和您自己的复杂实验。软件包与OpenML R软件包紧密相连,该软件包旨在支持在线协作式机器学习,并允许轻松共享数据集以及机器学习任务,算法和实验。清晰的S3与R分类,回归,聚类和生存分析方法的接口可以拟合,预测,评估和重采样模型通过S3继承的轻松扩展机制通过属性对学习者和任务进行抽象描述通过学习者的参数系统,学习者可以对数据类型和约束进行编码的参数系统机器学习实验的方法和通用构件块自举,交叉验证和子采样之类的重采样方法适用于ROC曲线,预测和部分预测的广泛可视化多个数据集的学习者基准测试使用不同的优化策略轻松进行超参数调整,包括强大的配置器迭代F竞赛(irace)或基于模型的顺序优化带过滤器和包装器的变量选择带调整和功能选择的嵌套嵌套重采样成本敏感型学习,阈值调整和不平衡校正包装器机制可扩展学习者功能以复杂和自定义的方式实现本质将不同的处理步骤结合到一个复杂的数据挖掘链上,可以对联合优化的OpenML连接器进行开放式机器学习服务器扩展点以集成您自己的东西并行化是内置的单元测试...
r-mlr

分类目录

具有开源许可证的Mac版R mlr的替代方案