机器学习领域中最受欢迎的20个R语言包
我们通过分析下载次数最多的R包,列出了前20名流行的机器学习R包。
大多数R包都深受Kagglers大神的喜爱,也被资深的笔者所赞美,而这些包的使用率或评价高低不仅仅取决于其它的包对于这个包的依赖程度。下面我们来分别看看这20个R包。
1. e1071 Functions for latent class analysis, short time Fourier transform, fuzzy clustering, support vector machines, shortest path computation, bagged clustering, naive Bayes classifier
1. 潜类分析函数,短暂性的傅里叶变化、模糊的集群、支持向量机、最短路径计算、装袋集群、朴素贝叶斯分类器等。
2. rpart Recursive Partitioning and Regression Trees
2.递归分割和回归树
3. igraph A collection of network analysis tools
3. 网络分析工具的集合
4 nnet Feed-forward Neural Networks and Multinomial Log-Linear Models
4. 前馈神经网络和多元对数线性模型。
5. randomForest Breiman and Cutler's random forests for classification and regression。
5.随机森林算法。
6. caret package (short for Classification And REgression Training) is a set of functions that attempt tostreamline the process for creating predictive models. (87151)
6. 一套解决分类回归问题的综合工具包。
7. kernlab Kernel-based Machine Learning Lab.
7. 基于内核的机器学习包。
8.glmnet Lasso and elastic-net regularized generalized linear models.
8. Lasso和弹性网正规化广义线性模型。
9. ROCR Visualizing the performance of scoring classifiers.
9.可视评分分类的操作。
10. gbm Generalized Boosted Regression Models.
10.产生改良的回归模型。
11. party A Laboratory for Recursive Partitioning.
11. 一个决策树包。
12. arules Mining Association Rules and Frequent Itemsets. (39654)
12. 关联规则挖掘和频繁项集。
13. tree Classification and regression trees.
13. 分类和回归树。
14. klaR Classification and visualization.
14.分类和可视化操作。
15. RWeka R/Weka interface.
15. 关于R或Weka的接口。
16. ipred Improved Predictors.
16.基于bagging思想的改良模型。
17. lars Least Angle Regression, Lasso and Forward Stagewise.
17. 最小回归角、Lasso和逐步回归。
18. earth Multivariate Adaptive Regression Spline Models.
18. 多元自适应回归样条分析。
19. CORElearn C lassification, regression, feature evaluation and ordinal evaluation.
19. 分类、回归,特征评价
20. mboost Model-Based Boosting.
20.基于Booting的模型算法。
相关文章
- ECMWF:机器学习在IFS预报系统中的应用
- 快速入门Python机器学习(19)
- Python机器学习教程—线性回归原理和实现
- 【光电智造】选择最合适机器视觉照明的八个小技巧
- 机器学习模型的集成方法总结:Bagging, Boosting, Stacking, Voting, Blending
- 机器学习+单细胞技术开发药物|Cellarity完成1.21亿美元C轮融资
- 机器学习模型集成管理介绍
- 如何使用机器学习来有效管理 Kubernetes 资源
- 基于边缘云的机器流量管理技术实战
- 数据挖掘机器学习[二]---汽车交易价格预测详细版本{EDA-数据探索性分析}
- 仅用 SQL 就可以搞机器学习
- 统计机器学习方法 for NLP:基于HMM的词性标注
- PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机SVM分析营销活动数据|数据分享|附代码数据
- 机器学习(五):机器学习算法分类
- 《机器学习十大经典算法》报告邀请
- 香港城市大学赵翔宇团队,招收机器学习、数据挖掘全奖博士生等
- 机器学习也能套模版:在线选择模型和参数,一键生成demo
- 原创 | 机器学习在分子动力学领域顶会论文初探
- 机器学习在精神病学研究中的应用
- 探索Linux之深度机器学习(linux深度学习)
- 什么是机器学习?为什么它如此重要?
- 检查机器中是否安装了Redis(查看是否安装了redis)
- 年薪百万的机器学习专家,为什么不产生价值?
- 纽约大学教授谈MR/AR/VR发展趋势,将与机器人、机器学习、计算机视觉多种技术融合
- 致力于让机器像人类大脑一样工作的Numenta,入选最值得关注100家AI公司榜单
- 波士顿动力机器狗出现在SN10坠落现场:评估损坏程度