• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      R语言

      • 首页
      • 博客
      • R语言
      • RForML之核心包:mboost

      RForML之核心包:mboost

      • 发布者 weinfoadmin
      • 分类 R语言
      • 日期 2017年1月1日
      测试开头

      本文介绍R做机器学习的核心包:mboost
      RForML之核心包:mboost

      一、mboost简介

      mboost包提供基于提升(boosting)的机器学习算法和模型。
      mboost包文档的介绍

      Functional gradient descent algorithm (boosting) for optimizing general risk functions utilizing component-wise (penalised) least squares estimates or regression trees as base-learners for fitting generalized linear, additive and interaction models to potentially high-dimensional data.

      这段话的关键点如下:

      • 最小乘方或者回归树作为基本学习器;

      • 梯度下降算法(提升)用于优化通用的风险函数;

      • 对于潜在的高维数据拟合通用的线性、可加性和交互性模型。

      RForML之核心包:mboost

      二、mboost安装和加载

      代码如下

      1. ##mboost包安装和加载

      2. if(!suppressWarnings(require('mboost')))

      3. {

      4.  install.packages('mboost')

      5.  require('mboost')

      6. }

      三、mboost应用

      对身体脂肪数据构建加性回归模型

      第一步:装载数据

      1. data("bodyfat", package = "TH.data")

      第二步:模型构建

      1. ### 构建加性高斯模型

      2. ### 目标变量:DEXfat

      3. ### 预测变量:age/waistcirc/hipcirc

      4. ### age采用非线性阶梯函数

      5. ### waistcirc采用线性函数

      6. ### hipcirc采用平滑的非线性函数

      7. library('mboost')

      8. mod <- mboost(DEXfat ~ btree(age) + bols(waistcirc) + bbs(hipcirc),

      9.              data = bodyfat)

      第三步:模型结果可视化

      1. layout(matrix(1:3, nc = 3, byrow = TRUE))

      2. plot(mod, ask = FALSE, main = "formula")

      结果见下图:
      RForML之核心包:mboost

      第四步:模型预测值摘要分析

      1. summary(predict(mod))

      结果如下:
      RForML之核心包:mboost

      第五步:实际值与模型预测值对比分析

      1. layout(matrix(1, nc = 1, byrow = TRUE))

      2. plot(bodyfat$DEXfat, predict(mod))

      3. abline(a = 0, b = 1)

      结果见下图:
      RForML之核心包:mboost

      参考资料:

      1 mboost包文档:https://cran.r-project.org/web/packages/mboost/mboost.pdf
      2 梯度下降算法:https://en.wikipedia.org/wiki/Gradient_descent
      3 GBDT算法:http://www.cnblogs.com/joneswood/archive/2012/03/04/2379615.html
      4 mboost教程:http://mboost.r-forge.r-project.org/getting_started/

      【温馨提示】:因为微信公众号不支持外链,请大家点击【阅读原文】,进入【数据人网】获取更多有价值的信息。

      大家可以在数据人网注册,然后写文章记录自己学习或者应用数据的历程。

      您在阅读中,有什么建议或者想法,请留言。
      如果您觉得本文有收获,请小额赞赏,让我有动力继续写出高质量的文章。

      RForML之核心包:mboost


      数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。
      平台的理念:人人投稿,知识共享;人人分析,洞见驱动;智慧聚合,普惠人人。
      您在数据人网平台,可以1)学习数据知识;2)创建数据博客;3)认识数据朋友;4)寻找数据工作;5)找到其它与数据相关的干货。
      我们努力坚持做原创,分享和传播有价值的数据知识!
      我们都是数据人,数据是有价值的,坚定不移地利用数据价值创造价值!



      测试结尾

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      2017年,R语言陪伴你
      2017年1月1日

      下一篇文章

      ISLR读书笔记2:统计学习是什么?
      2017年1月2日

      你可能也喜欢

      3-1665801675
      R语言学习:重读《R数据科学(中文版)》书籍
      28 9月, 2022
      6-1652833487
      经典铁死亡,再出新思路
      16 5月, 2022
      1-1651501980
      R语言学习:阅读《R For Everyone 》(第二版)
      1 5月, 2022

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?