Software
Nós compilamos uma lista de 6 alternativas gratuitas e pagas para o R mlr. Os principais concorrentes incluem: H2O.ai, R Caret. Além disso, os usuários também fazem comparações entre R mlr e ML.NET, R MLstudio, python auto-sklearn. Além disso, você pode conferir outras opções semelhantes aqui: About.
Nós compilamos uma lista de 6 alternativas gratuitas e pagas para o R mlr. Os principais concorrentes incluem: H2O.ai, R Caret. Além disso, os usuários também fazem comparações entre R mlr e ML.NET, R MLstudio, python auto-sklearn. Além disso, você pode conferir outras opções semelhantes aqui: About.
O H2O é um aprendizado de máquina de código aberto, na memória, distribuído, rápido e escalável e preditivo ...
O pacote de interpolação (abreviação de _C_lassification _A_nd _RE_gression _T_raining) é um conjunto de funções ...
O ML Studio é interativo para EDA, modelagem estatística e aplicativos de aprendizado de máquina.
O auto-sklearn é um kit de ferramentas de aprendizado de máquina automatizado.
Machine Learning em R: mlr, uma estrutura para experimentos de machine learning em R.
Machine Learning em R: mlr, uma estrutura para experimentos de machine learning em R.
Linux
Mac
Windows
O mlr fornece isso para que você possa se concentrar em seus experimentos! A estrutura fornece métodos supervisionados, como classificação, regressão e análise de sobrevivência, juntamente com os métodos correspondentes de avaliação e otimização, além de métodos não supervisionados, como clustering. Está escrito de uma maneira que você pode estender por conta própria ou desviar-se dos métodos de conveniência implementados e de seus próprios experimentos complexos.
O pacote está bem conectado ao pacote OpenML R, que visa oferecer suporte ao aprendizado colaborativo de máquinas on-line e permite compartilhar facilmente conjuntos de dados, bem como tarefas, algoritmos e experimentos de aprendizado de máquina.
Interface S3 clara para os métodos de classificação R, regressão, agrupamento e análise de sobrevivência
Possibilidade de ajustar, prever, avaliar e reamostrar modelos
Mecanismo de extensão fácil através da herança S3
Descrição abstrata de alunos e tarefas por propriedades
Sistema de parâmetros para os alunos codificarem tipos e restrições de dados
Muitos métodos de conveniência e componentes genéricos para seus experimentos de aprendizado de máquina
Métodos de reamostragem, como inicialização, validação cruzada e subamostragem
Visualizações abrangentes para, por exemplo, curvas ROC, previsões e previsões parciais
Comparação de alunos para vários conjuntos de dados
Fácil ajuste de hiperparâmetros usando diferentes estratégias de otimização, incluindo configuradores potentes como F-racing iterado (irace) ou otimização sequencial baseada em modelo
Seleção variável com filtros e invólucros
Reamostragem aninhada de modelos com ajuste e seleção de recursos
Aprendizagem sensível a custos, ajuste de limiar e correção de desequilíbrio
Mecanismo de invólucro para estender a funcionalidade do aluno de maneiras complexas e personalizadas
Combine diferentes etapas de processamento a uma cadeia complexa de mineração de dados que pode ser otimizada em conjunto
Conector OpenML para o servidor Open Machine Learning
Pontos de extensão para integrar seu próprio material
A paralelização é integrada
Teste de unidade
Machine Learning
Compartilhe sua opinião sobre o software, deixe uma avaliação e ajude a torná-lo ainda melhor!
Sugerir alterações
Seu feedback
Your vote has been counted.
Do you have experience using this software?
