6 ücretsiz ve ücretli R mlr alternatiflerinin bir listesini derledik. Başlıca rakipler şunları içerir: H2O.ai, ML.NET. Bunların yanı sıra, kullanıcılar R mlr ile R Caret, python auto-sklearn, R MLstudio arasında karşılaştırmalar da yaparlar. Ayrıca burada diğer benzer seçeneklere de göz atabilirsiniz: About.
6 ücretsiz ve ücretli R mlr alternatiflerinin bir listesini derledik. Başlıca rakipler şunları içerir: H2O.ai, ML.NET. Bunların yanı sıra, kullanıcılar R mlr ile R Caret, python auto-sklearn, R MLstudio arasında karşılaştırmalar da yaparlar. Ayrıca burada diğer benzer seçeneklere de göz atabilirsiniz: About.
R'de Makine Öğrenmesi: mlr, R'de makine öğrenmesi deneyleri için bir çerçeve
R'de Makine Öğrenmesi: mlr, R'de makine öğrenmesi deneyleri için bir çerçeve
R mlr Platformlar
Windows
Linux
Mac
R mlr Genel Bakış
mlr, deneylerinize odaklanabilmeniz için bunu sağlar! Çerçeve, sınıflandırma, regresyon ve sağkalım analizi gibi denetimli yöntemler ile ilgili değerlendirme ve optimizasyon yöntemlerinin yanı sıra kümelenme gibi denetimsiz yöntemler de sağlar. Kendiniz uzatabileceğiniz veya uygulanan kolaylık yöntemlerinden ve kendi karmaşık deneylerinizden sapabileceğiniz şekilde yazılmıştır. Bu paket, işbirlikçi makine öğrenimini çevrimiçi ortamda desteklemeyi amaçlayan ve veri kümelerinin yanı sıra makine öğrenme görevlerini, algoritmaları ve denemeleri kolayca paylaşmayı sağlayan OpenML R paketine hoş bir şekilde bağlanmıştır. R sınıfı, regresyon, kümeleme ve sağkalım analiz yöntemlerine açık S3 arayüzü Modelleri yerleştirme, tahmin etme, değerlendirme ve yeniden örnekleme imkanı S3 kalıtım yoluyla kolay uzatma mekanizması Öğrenenlerin ve görevlerin özelliklere göre soyut açıklaması Öğrencilerin veri türlerini ve kısıtlamalarını kodlamaları için parametre sistemi Makine öğrenim deneyleriniz için birçok kolaylık yöntemi ve genel yapı taşları Önyükleme, çapraz doğrulama ve alt örnekleme gibi yeniden örnekleme yöntemleri ROC eğrileri, tahminler ve kısmi tahminler için kapsamlı görselleştirme Çoklu veri setleri için öğrencilerin karşılaştırılması Yinelenmiş F-yarış (irace) veya sıralı model tabanlı optimizasyon gibi güçlü konfigürasyonlar dahil farklı optimizasyon stratejileri kullanarak kolay hiperparametre ayarı Filtreler ve sarmalayıcılarla değişken seçim Ayar ve özellik seçimine sahip modellerin iç içe örneklemesi Maliyete duyarlı öğrenme, eşik ayarı ve dengesizlik düzeltmesi Öğrenci işlevselliğini karmaşık ve özel yollarla genişletmek için sarma mekanizması Farklı işlem adımlarını ortaklaşa optimize edilebilen karmaşık bir veri madenciliği zinciriyle birleştirin Open Machine Learning sunucusu için OpenML bağlayıcısı Kendi eşyalarını entegre etmek için uzatma noktaları Paralelleştirme yerleşiktir Birim testi