Машинное обучение с R

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