Удивительные библиотеки ML для использования в R
Серьезное руководство по библиотекам машинного обучения для использования в R
источник: https://github.com/qinwf/awesome-R
- AnomalyDetection — R-пакет AnomalyDetection от Twitter.
- ahaz — Регуляризация полупараметрической регрессии аддитивных опасностей.
- arules — Правила горнодобывающей ассоциации и наборы частых предметов
- bigrf — Большие случайные леса: леса классификации и регрессии для больших наборов данных
- bigRR — обобщенная регрессия гребня (с особым преимуществом для p ›› n случаев)
- bmrm — Bundle Methods для регуляризованного пакета минимизации рисков
- Борута — Алгоритм-обертка для выбора всех релевантных функций
- BreakoutDetection — обнаружение прорывов с помощью надежной электронной статистики из Twitter.
- bst — повышение градиента
- CausalImpact- Причинный вывод с использованием байесовских структурных моделей временных рядов.
- C50 — деревья решений C5.0 и модели на основе правил
- caret - Обучение классификации и регрессии
- Умные алгоритмы для машинного обучения
- CORElearn — Классификация, регрессия, оценка признаков и порядковая оценка
- CoxBoost — модели Кокса с помощью бустинга, основанного на правдоподобии, для одной конечной точки выживания или конкурирующих рисков.
- Кубист — Регрессионное моделирование на основе правил и экземпляров
- e1071 — Разные функции Департамента статистики (e1071), Технический университет Вены.
- земля — Многомерные адаптивные регрессионные сплайн-модели
- elasticnet — Elastic-Net для разреженной оценки и разреженного PCA
- ElemStatLearn — наборы данных, функции и примеры из книги Элементы статистического обучения, интеллектуального анализа данных, логического вывода и прогнозирования Тревора Хасти, Роберта Тибширани и Джерома Фридмана.
- evtree — Эволюционное обучение глобально оптимальным деревьям
- прогноз — прогнозирование временных рядов с использованием моделей ARIMA, ETS, STLM, TBATS и нейронных сетей.
- forecastHybrid — Автоматический ансамбль и перекрестная проверка моделей ARIMA, ETS, STLM, TBATS и нейронных сетей из пакета прогноз
- prophet — инструмент для создания высококачественных прогнозов для данных временных рядов, которые имеют множественную сезонность с линейным или нелинейным ростом.
- FSelector — структура выбора признаков, основанная на подходах поиска подмножества или ранжирования признаков.
- frbs — Системы на основе нечетких правил для задач классификации и регрессии
- GAMBoost — Обобщенные линейные и аддитивные модели с бустингом на основе правдоподобия
- gamboostLSS — Методы прокачки для GAMLSS
- gbm — Обобщенные усиленные регрессионные модели
- glmnet - регуляризованные обобщенные линейные модели Лассо и эластичной сети.
- glmpath — Путь регуляризации L1 для обобщенных линейных моделей и модели пропорциональных опасностей Кокса
- GMMBoost — Повышение правдоподобия для обобщенных смешанных моделей
- grplasso — Подгонка указанных пользователем моделей со штрафом группового лассо
- gprreg — Пути регуляризации для моделей регрессии со сгруппированными ковариатами
- h2o - Глубокое обучение, Случайные леса, GBM, KMeans, PCA, GLM
- hda — гетероскедастический дискриминантный анализ
- ipred — улучшенные предикторы
- kernlab — kernlab: Лаборатория машинного обучения на основе ядра
- klaR — Классификация и визуализация
- kohonen — Контролируемые и неконтролируемые самоорганизующиеся карты.
- lars — регрессия по наименьшему углу, лассо и поэтапное продвижение вперед
- lasso2 — ограниченная оценка L1, также известная как lasso
- LiblineaR — линейные предсказательные модели на основе библиотеки Liblinear C/C++
- lme4 - Модели со смешанными эффектами
- LogicReg — Логическая регрессия
- maptree — Сопоставление, обрезка и построение графических моделей дерева
- mboost — бустинг на основе моделей
- Машинное обучение для хакеров
- mlr — расширяемая структура для классификации, регрессии, анализа выживаемости и кластеризации.
- mvpart — Многомерное разбиение
- MXNet — MXNet привносит в R гибкие и эффективные вычисления на графическом процессоре и современные технологии глубокого обучения.
- ncvreg — Пути регуляризации для моделей регрессии со штрафом SCAD и MCP
- nnet — нейронные сети с опережением и полиномиальные лог-линейные модели
- oblique.tree — Наклонные деревья для данных классификации
- pamr — Pam: прогнозный анализ для микрочипов
- party — Лаборатория рекурсивных вечеринок
- partykit — набор инструментов для рекурсивных вечеринок
- оштрафовано — L1 (лассо и слитное лассо) и L2 (гребень) оштрафованная оценка в GLM и в модели Кокса
- penalizedLDA — Оштрафованная классификация с использованием линейного дискриминанта Фишера
- penalizedSVM — SVM выбора функций с использованием штрафных функций
- quantregForest — quantregForest: леса квантильной регрессии
- randomForest — randomForest: случайные леса Бреймана и Катлера для классификации и регрессии.
- randomForestSRC — randomForestSRC: случайные леса для выживания, регрессии и классификации (RF-SRC).
- рейнджер — быстрая реализация случайных лесов.
- rattle — Графический пользовательский интерфейс для интеллектуального анализа данных в R.
- rda — Регуляризованный дискриминантный анализ усохших центроидов
- rdetools — Оценка релевантных размеров (RDE) в пространствах признаков
- REEMtree — деревья регрессии со случайными эффектами для продольных (панельных) данных
- relaxo — Расслабленное лассо
- rgenoud — R-версия GENetic Optimization Using Derivatives
- rgp — среда генетического программирования R
- Rmalschains — непрерывная оптимизация с использованием меметических алгоритмов с цепочками локального поиска (MA-LS-Chains) в R
- rminer — более простое использование методов интеллектуального анализа данных (например, NN и SVM) в классификации и регрессии.
- ROCR — Визуализация работы скоринговых классификаторов
- RoughSets — анализ данных с использованием теорий грубых множеств и нечетких грубых множеств.
- rpart — Рекурсивное разбиение и деревья регрессии
- RPMM — модель рекурсивно разделенной смеси
- RSNNS — Нейронные сети в R с использованием Stuttgart Neural Network Simulator (SNNS)
- Rsomoclu — Параллельная реализация самоорганизующихся карт.
- RWeka — интерфейс R/Weka
- RXshrink — RXshrink: сокращение максимального правдоподобия с помощью обобщенного гребня или регрессии с наименьшим углом
- sda — Дискриминантный анализ усадки и выбор переменной CAT Score
- SDDA — пошаговый диагональный дискриминантный анализ
- SuperLearner и subsemble — обучающие пакеты мультиалгоритмического ансамбля.
- svmpath — svmpath: алгоритм пути SVM
- tgp — байесовские древовидные модели гауссовских процессов
- tree — Деревья классификации и регрессии
- varSelRF — Выбор переменных с использованием случайных лесов
- xgboost — модель eXtreme Gradient Boosting Tree, хорошо известная своей скоростью и производительностью.
- AnomalyDetection — R-пакет AnomalyDetection от Twitter.
- ahaz — Регуляризация полупараметрической регрессии аддитивных опасностей.
- arules — Правила горнодобывающей ассоциации и наборы частых предметов
- bigrf — Большие случайные леса: леса классификации и регрессии для больших наборов данных
- bigRR — обобщенная регрессия гребня (с особым преимуществом для p ›› n случаев)
- bmrm — Bundle Methods для регуляризованного пакета минимизации рисков
- Борута — Алгоритм-обертка для выбора всех релевантных функций
- BreakoutDetection — обнаружение прорывов с помощью надежной электронной статистики из Twitter.
- bst — повышение градиента
- CausalImpact - причинно-следственный вывод с использованием байесовских структурных моделей временных рядов.
- C50 — деревья решений C5.0 и модели на основе правил
- caret - Обучение классификации и регрессии
- Умные алгоритмы для машинного обучения
- CORElearn — Классификация, регрессия, оценка признаков и порядковая оценка
- CoxBoost — модели Кокса с помощью бустинга, основанного на правдоподобии, для одной конечной точки выживания или конкурирующих рисков.
- Кубист — Регрессионное моделирование на основе правил и экземпляров
- e1071 — Разные функции Департамента статистики (e1071), Технический университет Вены.
- земля — Многомерные адаптивные регрессионные сплайн-модели
- elasticnet — Elastic-Net для разреженной оценки и разреженного PCA
- ElemStatLearn — наборы данных, функции и примеры из книги Элементы статистического обучения, интеллектуального анализа данных, логического вывода и прогнозирования Тревора Хасти, Роберта Тибширани и Джерома Фридмана.
- evtree — Эволюционное обучение глобально оптимальным деревьям
- прогноз — прогнозирование временных рядов с использованием моделей ARIMA, ETS, STLM, TBATS и нейронных сетей.
- forecastHybrid — Автоматический ансамбль и перекрестная проверка моделей ARIMA, ETS, STLM, TBATS и нейронных сетей из пакета прогноз
- prophet — инструмент для создания высококачественных прогнозов для данных временных рядов, которые имеют множественную сезонность с линейным или нелинейным ростом.
- FSelector — структура выбора признаков, основанная на подходах поиска подмножества или ранжирования признаков.
- frbs — Системы на основе нечетких правил для задач классификации и регрессии
- GAMBoost — Обобщенные линейные и аддитивные модели с бустингом на основе правдоподобия
- gamboostLSS — Методы прокачки для GAMLSS
- gbm — Обобщенные усиленные регрессионные модели
- glmnet - регуляризованные обобщенные линейные модели Лассо и эластичной сети.
- glmpath — Путь регуляризации L1 для обобщенных линейных моделей и модели пропорциональных опасностей Кокса
- GMMBoost — Повышение правдоподобия для обобщенных смешанных моделей
- grplasso — Подгонка указанных пользователем моделей со штрафом группового лассо
- gprreg — Пути регуляризации для моделей регрессии со сгруппированными ковариатами
- h2o - Глубокое обучение, Случайные леса, GBM, KMeans, PCA, GLM
- hda — гетероскедастический дискриминантный анализ
- ipred — улучшенные предикторы
- kernlab — kernlab: Лаборатория машинного обучения на основе ядра
- klaR — Классификация и визуализация
- kohonen — Контролируемые и неконтролируемые самоорганизующиеся карты.
- lars — регрессия по наименьшему углу, лассо и поэтапное продвижение вперед
- lasso2 — ограниченная оценка L1, также известная как lasso
- LiblineaR — линейные предсказательные модели на основе библиотеки Liblinear C/C++
- lme4 - Модели со смешанными эффектами
- LogicReg — Логическая регрессия
- maptree — Сопоставление, обрезка и построение графических моделей дерева
- mboost — бустинг на основе моделей
- Машинное обучение для хакеров
- mlr — расширяемая структура для классификации, регрессии, анализа выживаемости и кластеризации.
- mvpart — Многомерное разбиение
- MXNet — MXNet привносит в R гибкие и эффективные вычисления на графическом процессоре и современные технологии глубокого обучения.
- ncvreg — Пути регуляризации для моделей регрессии со штрафом SCAD и MCP
- nnet — нейронные сети с опережением и полиномиальные лог-линейные модели
- oblique.tree — Наклонные деревья для данных классификации
- pamr — Pam: прогнозный анализ для микрочипов
- party — Лаборатория рекурсивных вечеринок
- partykit — набор инструментов для рекурсивных вечеринок
- оштрафовано — L1 (лассо и слитное лассо) и L2 (гребень) оштрафованная оценка в GLM и в модели Кокса
- penalizedLDA — Оштрафованная классификация с использованием линейного дискриминанта Фишера
- penalizedSVM — SVM выбора функций с использованием штрафных функций
- quantregForest — quantregForest: леса квантильной регрессии
- randomForest — randomForest: случайные леса Бреймана и Катлера для классификации и регрессии.
- randomForestSRC — randomForestSRC: случайные леса для выживания, регрессии и классификации (RF-SRC).
- рейнджер — быстрая реализация случайных лесов.
- rattle — Графический пользовательский интерфейс для интеллектуального анализа данных в R.
- rda — Регуляризованный дискриминантный анализ усохших центроидов
- rdetools — Оценка релевантных размеров (RDE) в пространствах признаков
- REEMtree — деревья регрессии со случайными эффектами для продольных (панельных) данных
- relaxo — Расслабленное лассо
- rgenoud — R-версия GENetic Optimization Using Derivatives
- rgp — среда генетического программирования R
- Rmalschains — непрерывная оптимизация с использованием меметических алгоритмов с цепочками локального поиска (MA-LS-Chains) в R
- rminer — более простое использование методов интеллектуального анализа данных (например, NN и SVM) в классификации и регрессии.
- ROCR — Визуализация работы скоринговых классификаторов
- RoughSets — анализ данных с использованием теорий грубых множеств и нечетких грубых множеств.
- rpart — Рекурсивное разбиение и деревья регрессии
- RPMM — модель рекурсивно разделенной смеси
- RSNNS — Нейронные сети в R с использованием Stuttgart Neural Network Simulator (SNNS)
- Rsomoclu — Параллельная реализация самоорганизующихся карт.
- RWeka — интерфейс R/Weka
- RXshrink — RXshrink: сокращение максимального правдоподобия с помощью обобщенного гребня или регрессии с наименьшим углом
- sda — Дискриминантный анализ усадки и выбор переменной CAT Score
- SDDA — пошаговый диагональный дискриминантный анализ
- SuperLearner и subsemble — обучающие пакеты мультиалгоритмического ансамбля.
- svmpath — svmpath: алгоритм пути SVM
- tgp — байесовские древовидные модели гауссовских процессов
- tree — Деревья классификации и регрессии
- varSelRF — Выбор переменных с использованием случайных лесов
- xgboost - модель eXtreme Gradient Boosting Tree, хорошо известная своей скоростью и производительностью.
Спасибо за чтение. Большое спасибо https://github.com/qinwf/awesome-R#2018