Rf-aas Multivariate Machine Leren met heterogene gegevens
Download nu

Rf-aas Rangschikking & Samenvatting

Rf-aas Tags

Algoritme aan het leren voorspeller machine learning algoritme

Rf-aas Beschrijving

RF-ACE is een efficiënte implementatie van een robuust machine-leeralgoritme voor het blootleggen van multivariate associaties, het bouwen van voorspellers en het voorspellen van nieuwe gegevens, hetzij met classificatie- of regressieboomsembles, van grote en diverse gegevenssets. RF-ACE verwerkt native met numerieke en categorische gegevens met ontbrekende waarden, en in functie-selectie worden potentieel grote hoeveelheden niet-informatieve functies sierlijk afgehandeld met behulp van kunstmatige contrastfuncties, bootstrapping en schatting van P-waarde. De applicatie implementeert zowel gradiëntboostingstructuur (GBT) en willekeurige bos (RF) -algoritmen. Belangrijkste kenmerken: -gegevens kunnen worden verstrekt in verschillende formaten schat de standaardmodelparameters op basis van afmetingen van invoergegevens uitgebreide ondersteuning voor aanpassing -belangscore wordt genormaliseerd en is dus vergelijkbaar tegenover parallelle RF-ACE-runs met verschillende doelfuncties: Handig in de bouw van "All-vs-ALL" Associatiekaarten -belangscore wordt verder vertaald naar een P-waarde op basis van empirische achtergrondmodel en T-Test implementeert GBT en RF voor voorspelling Intuïtieve interface: RF-ACE-FILTER Voert functieselectie uit RF-ace-build-voorspeller bouwt voorspellers op basis van trainingsgegevens RF-ACE-voorspellingen maakt voorspellingen met nieuwe gegevens

Rf-aas Gerelateerde software