R mlr 替代品
6我们整理了一个包含6个免费和付费的R mlr替代方案的列表。主要竞争对手包括:H2O.ai, ML.NET。除了这些之外,用户还会将R mlr与R Caret, python auto-sklearn, R MLstudio进行比较。此外,您还可以在这里查看其他类似的选项:About。
我们整理了一个包含6个免费和付费的R mlr替代方案的列表。主要竞争对手包括:H2O.ai, ML.NET。除了这些之外,用户还会将R mlr与R Caret, python auto-sklearn, R MLstudio进行比较。此外,您还可以在这里查看其他类似的选项:About。
我们整理了一个包含6个免费和付费的R mlr替代方案的列表。主要竞争对手包括:H2O.ai, ML.NET。除了这些之外,用户还会将R mlr与R Caret, python auto-sklearn, R MLstudio进行比较。此外,您还可以在这里查看其他类似的选项:About。
mlr提供了此功能,因此您可以专注于实验! 该框架提供有监督的方法,如分类,回归和生存分析,以及它们相应的评估和优化方法,以及无监督的方法,如聚类。 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接口与R分类,回归,聚类和生存分析方法
拟合,预测,评估和重新采样模型的可能性
通过S3继承的简单扩展机制
按属性对学习者和任务的抽象描述
学习者使用参数系统对数据类型和约束进行编码
机器学习实验的许多便捷方法和通用构建基块
自举,交叉验证和二次采样等重采样方法
广泛的可视化,例如ROC曲线,预测和部分预测
学习者对多个数据集的基准测试
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,例如迭代F赛车(irace)或基于顺序模型的优化
使用过滤器和包装器进行变量选择
通过调整和功能选择对模型进行嵌套重采样
成本敏感型学习,阈值调整和失衡校正
包装器机制以复杂和自定义的方式扩展学习者功能
将不同的处理步骤结合到可以共同优化的复杂数据挖掘链中
用于Open Machine Learning服务器的OpenML连接器
扩展点可集成您自己的东西
内置并行化
单元测试
分享您对软件的看法,留下评论,帮助使其变得更好!
建議更改
你的反馈
Your vote has been counted.
Do you have experience using this software?