Rf-ace. Imparare la macchina multivariata con dati eterogenei
Scarica ora

Rf-ace. Classifica e riepilogo

Rf-ace. Tag

Algoritmo apprendimento predittore Algoritmo di apprendimento della macchina

Rf-ace. Descrizione

RF-ACE è un'implementazione efficiente di un robusto algoritmo di apprendimento della macchina per scoprire associazioni multivariate, costruire predittori e prevedere nuovi dati, con classificazione o ingressi dell'albero di regressione, da set di dati grandi e diversi. RF-ACE gestisce nativamente i dati numerici e categorici con valori mancanti e nella selezione delle caratteristiche Potenzialmente grandi quantità di funzionalità nonforme vengono gestite con grazia utilizzando caratteristiche di contrasto artificiale, bootstrapping e stima del valore P. L'applicazione implementa sia il gradiente che aumenta l'albero (GBT) e le algoritmi della foresta casuale (RF). Caratteristiche principali: I dati possono essere forniti in vari formati stima i parametri del modello predefiniti in base alle dimensioni dei dati di input Ampio supporto per la personalizzazione Il punteggio di importanza è normalizzato ed è quindi paragonabile attraverso le esecuzioni parallele RF-ACE aventi diverse caratteristiche di destinazione: Utile nella costruzione di Maps Association "All-Vs-all" Il punteggio di importanza è ulteriormente tradotto in un valore P basato sul modello di sfondo empirico e T-Test implementa GBT e RF per la previsione Interfaccia intuitiva: RF-ACE-FILTER esegue la selezione delle funzionalità RF-ACE-Build-Build-Predittore genera predittore basato sui dati di allenamento RF-ACE-PREDETRE FARE PRINCIZIONI CON NUOVO DATI

Rf-ace. Software correlato