Software
Abbiamo compilato una lista di 5 alternative gratuite e a pagamento a R mlr. I principali concorrenti includono H2O.ai, R Caret. Inoltre, gli utenti fanno anche confronti tra R mlr e ML.NET, python auto-sklearn, R MLstudio. Puoi anche dare un'occhiata ad altre opzioni simili qui: About.
Abbiamo compilato una lista di 5 alternative gratuite e a pagamento a R mlr. I principali concorrenti includono H2O.ai, R Caret. Inoltre, gli utenti fanno anche confronti tra R mlr e ML.NET, python auto-sklearn, R MLstudio. Puoi anche dare un'occhiata ad altre opzioni simili qui: About.
H2O è un apprendimento automatico e predittivo open source, in memoria, distribuito, veloce e scalabile ...
Il pacchetto caret (abbreviazione di _C_lassification _A_nd _RE_gression _T_raining) è un insieme di funzioni ...
auto-sklearn è un toolkit di apprendimento automatico automatizzato.
ML Studio è interattivo per EDA, modellistica statistica e applicazioni di apprendimento automatico.
Machine Learning in R: mlr, un framework per esperimenti di machine learning in R.
Machine Learning in R: mlr, un framework per esperimenti di machine learning in R.
Linux
Mac
Windows
mlr fornisce questo in modo che tu possa concentrarti sui tuoi esperimenti! Il framework fornisce metodi supervisionati come classificazione, regressione e analisi di sopravvivenza insieme ai corrispondenti metodi di valutazione e ottimizzazione, nonché metodi senza supervisione come il clustering. È scritto in un modo che puoi estenderlo tu stesso o deviare dai metodi di praticità implementati e dai tuoi esperimenti complessi.
Il pacchetto è ben collegato al pacchetto OpenML R, che mira a supportare l'apprendimento automatico collaborativo online e consente di condividere facilmente set di dati nonché attività, algoritmi ed esperimenti di apprendimento automatico.
Chiara interfaccia S3 con metodi di classificazione R, regressione, clustering e analisi di sopravvivenza
Possibilità di adattare, prevedere, valutare e ricampionare i modelli
Semplice meccanismo di estensione tramite ereditarietà S3
Descrizione astratta di studenti e compiti per proprietà
Sistema di parametri per gli studenti per codificare tipi di dati e vincoli
Molti metodi di praticità e blocchi generici per i tuoi esperimenti di apprendimento automatico
Metodi di ricampionamento come bootstrap, validazione incrociata e sottocampionamento
Ampie visualizzazioni per es. Curve ROC, previsioni e previsioni parziali
Analisi comparativa degli studenti per più set di dati
Facile messa a punto dell'iperparametro utilizzando diverse strategie di ottimizzazione, inclusi potenti configuratori come F-racing (irace) iterato o ottimizzazione sequenziale basata su modelli
Selezione variabile con filtri e wrapper
Ricampionamento annidato di modelli con ottimizzazione e selezione delle funzioni
Apprendimento sensibile ai costi, regolazione della soglia e correzione dello squilibrio
Meccanismo di avvolgimento per estendere la funzionalità dello studente in modi complessi e personalizzati
Combina diverse fasi di elaborazione in una complessa catena di data mining che può essere ottimizzata congiuntamente
Connettore OpenML per il server Open Machine Learning
Punti di estensione per integrare le tue cose
La parallelizzazione è integrata
Unit-test
Machine Learning
Condividi la tua opinione sul software, lascia una recensione e contribuisci a migliorarlo ulteriormente!
Suggerisci modifiche
Il tuo feedback
Your vote has been counted.
Do you have experience using this software?
