文件名称：CloudForest:Gogolang中决策树的合奏
文件大小：191KB
文件格式：ZIP
更新时间：2024-05-03 00:49:39
Go
云森林 快速，灵活，多线程的决策树集合，用于纯Go（golang）中的机器学习。 CloudForest允许使用多种相关算法对缺失值的异构数值/分类数据进行分类，回归，特征选择和结构分析。 这些包括： Breiman和Cutler的分类和回归随机森林 自适应增强（AdaBoost）分类 梯度Boosting树回归和两类分类 用于分类的赫林格距离树 熵，成本驱动和类别加权分类 L1 /绝对偏差决策树回归 通过人工对比度与合影（ACE）改进了特征选择 不平衡数据的大致平衡装袋 使用外包装盒和人工对比提高了耐用性。 通过偏差校正或三向拆分支持缺失值。 接近度/亲和力分析适合多种学习 多项实验分裂准则 设计优先考虑： 训练速度 在高维异构数据集（例如遗传和临床数据）上的性能。 优化的核心功能集。 使用通用内核快速实现新杂质和算法的灵活性。 本地处理非数字数据类型和缺失值的能力。
【文件预览】：
CloudForest-master
----sumballotbox.go(2KB)
----utils.go(3KB)
----featureinterfaces.go(3KB)
----benchmarks_test.go(2KB)
----adacosttarget.go(4KB)
----densenumfeature_test.go(4KB)
----transduction.go(6KB)
----sortablefeature.go(1KB)
----utils()
--------toafm()
--------nfold()
----growforest()
--------growforest.go(26KB)
----splitallocations.go(2KB)
----featurematrix.go(11KB)
----benchmarks()
--------benchmark.sh(267B)
--------README.md(1KB)
--------sklrf.py(1KB)
----entropytarget.go(2KB)
----leafcount()
--------leafcount.go(3KB)
----numballotbox.go(3KB)
----install.sh(173B)
----l1target.go(2KB)
----densecatfeature.go(32KB)
----densecatfeature_test.go(8KB)
----densenumfeature.go(17KB)
----importance_test.go(3KB)
----catballotbox.go(3KB)
----.travis.yml(56B)
----gradboostclasstarget.go(3KB)
----sklearn_tree.go(4KB)
----hdistancetarget.go(2KB)
----LICENSE(2KB)
----doc.go(9KB)
----data_test.go(60KB)
----regrettarget.go(4KB)
----forestwriter.go(3KB)
----README.md(27KB)
----sampeling_test.go(2KB)
----sampeling.go(4KB)
----dentropytarget.go(3KB)
----forestreader.go(5KB)
----sortby()
--------sortby.go(6KB)
--------sortby_test.go(4KB)
----splitter.go(1KB)
----benchmark.png(27KB)
----arff.go(2KB)
----wrappers()
--------python()
----wrftarget.go(3KB)
----data()
--------iris.data.trans.fm(5KB)
--------forestfires.trans.fm(27KB)
--------README.md(1KB)
--------forestfires.fm(27KB)
--------iris.data.fm(5KB)
----gradboosttarget.go(3KB)
----densitytarget.go(2KB)
----forestwriterreader_test.go(2KB)
----tree.go(11KB)
----adaboosttarget.go(4KB)
----stats()
--------stats.go(3KB)
--------welchst_test.go(2KB)
----.gitignore(206B)
----error.png(27KB)
----ordinaltarget.go(2KB)
----voter.go(437B)
----libsvm.go(4KB)
----NPtarget.go(4KB)
----numadaboostingtarget.go(3KB)
----applyforest()
--------applyforest.go(3KB)
----node.go(2KB)
----featurematrix_test.go(3KB)
----forrest.go(2KB)
----utils_test.go(1KB)
----catmap.go(1KB)