ankara | filename_points_covered_by_landmarks | ||
automobile | 有关汽车价格的数据。 | ||
bartMachine | 建立BART模型 | ||
bartMachineArr | 为相同的数据创建一个BART模型数组。 | ||
bartMachineCV | 构建BART-CV | ||
bart_machine_get_posterior | 得到完全后验分布 | ||
bart_machine_num_cores | 获取BART使用的核心数 | ||
bart_predict_for_test_data | 用已知结果预测测试数据 | ||
baseball | filename_points_covered_by_landmarks | ||
boston | filename_points_covered_by_landmarks | ||
build_bart_machine | 建立BART模型 | ||
build_bart_machine_cv | 构建BART-CV | ||
calc_credible_intervals | 计算可信区间 | ||
calc_prediction_intervals | 计算预测间隔 | ||
check_bart_error_assumptions | 检查BART错误假设 | ||
compactiv | filename_points_covered_by_landmarks | ||
cov_importance_test | 感兴趣的协变量的重要性检验 | ||
destroy_bart_machine | 销毁BART模型(已弃用-请勿使用!) | ||
dummify_data | 杜米菲设计矩阵 | ||
get_projection_weights | 获取训练样本投影/权重 | ||
get_sigsqs | 获得后验误差方差估计 | ||
get_var_counts_over_chain | 获取变量包含计数 | ||
get_var_props_over_chain | 获取可变包含比例 | ||
interaction_investigator | 探索BART模型中的两两互动 | ||
investigate_var_importance | 探索BART模型中的可变包含比例 | ||
k_fold_cv | 用K次交叉验证估计样本外误差 | ||
linearity_test | 线性试验 | ||
node_prediction_training_data_indices | 获取新数据的训练数据的节点预测索引。 | ||
ozone | filename_points_covered_by_landmarks | ||
pd_plot | 部分相关图 | ||
plot_convergence_diagnostics | 绘图收敛诊断 | ||
plot_y_vs_yhat | 绘制拟合响应与实际响应 | ||
pole | filename_points_covered_by_landmarks | ||
predict.bartMachine | 使用BART对象对数据进行预测 | ||
predict_bartMachineArr | 使用BART数组对象对数据进行预测 | ||
print.bartMachine | 总结有关“机器”对象的信息。 | ||
rmse_by_num_trees | 按树数评估样本外RMSE | ||
set_bart_machine_num_cores | 设置BART的核心数 | ||
summary.bartMachine | 总结有关“机器”对象的信息。 | ||
triazine | filename_points_covered_by_landmarks | ||
var_selection_by_permute | 使用三个基于阈值的程序执行变量选择 | ||
var_selection_by_permute_cv | 使用交叉验证程序执行变量选择 | ||
wine.red | filename_points_covered_by_landmarks | ||
wine.white | filename_points_covered_by_landmarks |