| DMwR-package | 《用R进行数据挖掘》一书中的函数和数据 | ||
| algae | 预测藻类水华的训练数据 | ||
| algae.sols | 藻类水华预测试验数据集的解决方案 | ||
| bestScores | 从实验比较中得到最好的分数 | ||
| bootRun | 类“bootRun” | ||
| bootRun-class | 类“bootRun” | ||
| bootSettings | 类“bootSettings” | ||
| bootSettings-class | 类“bootSettings” | ||
| bootstrap | 进行引导实验 | ||
| centralImputation | 用中央统计数据填写NA值 | ||
| centralValue | 获得中心性统计量 | ||
| class.eval | 计算一些标准的分类评价统计 | ||
| compAnalysis | 分析并打印一组学习者之间差异的统计显著性。 | ||
| compExp | “XP”类 | ||
| compExp-class | “XP”类 | ||
| CRchart | 绘制累积召回图 | ||
| crossValidation | 进行交叉验证实验 | ||
| cvRun | “cvRun”类 | ||
| cvRun-class | “cvRun”类 | ||
| cvSettings | “cvSettings”类 | ||
| cvSettings-class | “cvSettings”类 | ||
| dataset | 类“数据集” | ||
| dataset-class | 类“数据集” | ||
| dist.to.knn | lofactor（）的辅助函数 | ||
| DMwR | 《用R进行数据挖掘》一书中的函数和数据 | ||
| dsNames | 获取实验比较中涉及的数据集的名称 | ||
| experimentalComparison | 在学习系统之间进行实验比较 | ||
| expSettings | “expSettings”类 | ||
| expSettings-class | “expSettings”类 | ||
| getFoldsResults | 获得学习者每次迭代的结果 | ||
| getSummaryResults | 获取一组学习者结果的描述性统计数据 | ||
| getVariant | 获取与比较中的标识符相关联的学习者 | ||
| growingWindowTest | 使用增长窗学习方法获得模型的预测。 | ||
| GSPC | 一套SP500的每日报价 | ||
| hldRun | “hldRun”级 | ||
| hldRun-class | “hldRun”级 | ||
| hldSettings | “HLD设置”类 | ||
| hldSettings-class | “HLD设置”类 | ||
| holdOut | 做了一个实验 | ||
| join | 合并多个“compExp”类对象 | ||
| kNN | k-近邻分类 | ||
| knneigh.vect | lofactor（）的辅助函数 | ||
| knnImputation | 用最近邻居的值填充NA值 | ||
| learner | 班级“学习者” | ||
| learner-class | 班级“学习者” | ||
| learnerNames | 获取参与实验比较的学习系统的名称 | ||
| LinearScaling | 使用线性缩放规范化一组连续值 | ||
| lofactor | LOF算法的实现 | ||
| loocv | 做一个漏掉一个的交叉验证实验 | ||
| loocvRun | “loocvRun”类 | ||
| loocvRun-class | “loocvRun”类 | ||
| loocvSettings | “loocvSettings”类 | ||
| loocvSettings-class | “loocvSettings”类 | ||
| manyNAs | 查找NA值过多的行 | ||
| mcRun | “mcRun”级 | ||
| mcRun-class | “mcRun”级 | ||
| mcSettings | “mcSettings”类 | ||
| mcSettings-class | “mcSettings”类 | ||
| monteCarlo | 进行蒙特卡罗实验 | ||
| outliers.ranking | 获得离群值排名 | ||
| plot-method | “XP”类 | ||
| plot-method | “cvRun”类 | ||
| plot-method | “hldRun”级 | ||
| plot-method | “mcRun”级 | ||
| plot-method | “贸易记录”类 | ||
| PRcurve | 绘制精度/召回曲线 | ||
| prettyTree | 基于树模型的可视化表示 | ||
| rankSystems | 提供参与实验比较的学习者的排名。 | ||
| reachability | lofactor（）的辅助函数 | ||
| regr.eval | 计算一些标准回归评价统计量 | ||
| ReScaling | 使用线性缩放将一组连续值重新缩放到新范围 | ||
| resp | 获取预测问题的目标变量值 | ||
| rpartXse | 获取基于树的模型 | ||
| rt.prune | 使用SE规则修剪基于树的模型 | ||
| runLearner | 运行学习算法 | ||
| sales | 包含销售交易报告的数据集 | ||
| SelfTrain | 半监督数据的自训练模型 | ||
| show-method | 类“bootSettings” | ||
| show-method | “XP”类 | ||
| show-method | “cvSettings”类 | ||
| show-method | 类“数据集” | ||
| show-method | “HLD设置”类 | ||
| show-method | 班级“学习者” | ||
| show-method | “loocvSettings”类 | ||
| show-method | “mcSettings”类 | ||
| show-method | “任务”类 | ||
| show-method | “贸易记录”类 | ||
| sigs.PR | 一组预测交易信号的精确度和召回率 | ||
| slidingWindowTest | 使用滑动窗口学习方法获得模型的预测。 | ||
| SMOTE | 非平衡分类问题的SMOTE算法 | ||
| SoftMax | 使用SoftMax规范化一组连续值 | ||
| statNames | 获取实验比较中涉及的统计数据的名称 | ||
| statScores | 为所有学习者和参与比较的数据集获取实验比较中使用的一个评估指标的汇总统计。 | ||
| subset-method | 包“DMwR”中函数子集的方法 | ||
| subset-methods | 包“DMwR”中函数子集的方法 | ||
| summary-method | 类“bootRun” | ||
| summary-method | “XP”类 | ||
| summary-method | “cvRun”类 | ||
| summary-method | “hldRun”级 | ||
| summary-method | “loocvRun”类 | ||
| summary-method | “mcRun”级 | ||
| summary-method | “贸易记录”类 | ||
| task | “任务”类 | ||
| task-class | “任务”类 | ||
| test.algae | 预测藻类水华的试验数据 | ||
| tradeRecord | “贸易记录”类 | ||
| tradeRecord-class | “贸易记录”类 | ||
| trading.signals | 将一组值离散化为一组交易信号 | ||
| trading.simulator | 使用一组交易信号模拟每日交易 | ||
| tradingEvaluation | 获取一组交易行为的评估指标 | ||
| ts.eval | 计算时间序列预测任务的一些标准评估统计信息 | ||
| unscale | 反转比例函数的效果 | ||
| variants | 生成学习系统的变体 |