mlr bunu deneylerinize odaklanabilmeniz için sağlar!Çerçeve, sınıflandırma, regresyon ve sağkalım analizi gibi denetimli yöntemler ve bunlara karşılık gelen değerlendirme ve optimizasyon yöntemleri ile kümeleme gibi denetimsiz yöntemler sunmaktadır.Kendinizi genişletebileceğiniz veya uygulanan kolaylık yöntemlerinden ve kendi karmaşık deneylerinizden sapabileceğiniz bir şekilde yazılmıştır.paket, işbirlikçi makine öğrenimini çevrimiçi olarak desteklemeyi amaçlayan ve veri kümelerinin yanı sıra makine öğrenme görevlerini, algoritmaları ve deneyleri kolayca paylaşmayı sağlayan OpenML R paketine güzel bir şekilde bağlanmıştır.R sınıflandırması, regresyon, kümeleme ve hayatta kalma analizi yöntemlerine yönelik açık S3 arayüzü Modellere uyma, tahmin etme, değerlendirme ve yeniden örnekleme imkanı S3 kalıtım yoluyla kolay genişletme mekanizması Öğrencilerin ve görevlerin özelliklerine göre soyut tanımı Öğrencilerin veri türlerini ve kısıtlamalarını kodlaması için parametre sistemi Birçok kolaylıköğrenme deneyleri için yöntemler ve genel yapı taşları Önyükleme, çapraz doğrulama ve alt örnekleme gibi yeniden örnekleme yöntemleri Örneğin ROC eğrileri, tahminler ve kısmi tahminler için öğrencilerin karşılaştırması Birden fazla veri seti için öğrencilerin karşılaştırmasıyinelemeli F-yarışı (irace) veya sıralı model tabanlı optimizasyon Filtreler ve sarmalayıcılarla değişken seçim Ayar ve özellik seçimine sahip modellerin iç içe yeniden örneklenmesi Maliyete duyarlı öğrenme, eşik ayarı ve dengesizlik düzeltme Öğrenci işlevlerini genişletmek için sarma mekanizmasıKarmaşık ve özel yollarla kalite Farklı işleme adımlarını, ortaklaşa optimize edilebilen karmaşık bir veri madenciliği zinciriyle birleştirin Open Machine Learning sunucusu için OpenML bağlayıcısı Kendi öğelerinizi entegre etmek için uzantı noktaları Paralelleştirme yerleşik Birim testi ...