يوفر mlr هذا بحيث يمكنك التركيز على تجاربك!يوفر الإطار طرقًا خاضعة للإشراف مثل التصنيف والانحدار وتحليل البقاء إلى جانب أساليب التقييم والتحسين المناظرة لها ، فضلاً عن الأساليب غير الخاضعة للإشراف مثل التجميع.إنه مكتوب بطريقة يمكنك مدها بنفسك أو الخروج عن أساليب الراحة المطبقة والتجارب المعقدة الخاصة بك.ترتبط الحزمة بشكل جيد بحزمة OpenML R ، والتي تهدف إلى دعم التعلم الآلي التعاوني عبر الإنترنت وتسمح بسهولة بمشاركة مجموعات البيانات بالإضافة إلى مهام التعلم الآلي والخوارزميات والتجارب.مسح واجهة S3 لتصنيف R والانحدار والتجميع وأساليب تحليل البقاء على قيد الحياة إمكانية ملائمة النماذج والتنبؤ بها وتقييمها وإعادة تشكيلها. آلية التمديد سهلة من خلال وراثة S3 وصف الملخص للمتعلمين والمهام حسب الخصائص نظام المعلمة للمتعلمين لترميز أنواع البيانات والقيودطرق ولبنات بناء عامة لتجارب تعلم الآلة الخاصة بك أساليب إعادة أخذ العينات مثل التمهيد ، والتحقق من الصحة والتقاطع الفرعي تصورات واسعة النطاق على سبيل المثال منحنيات ROC ، والتنبؤات والتنبؤات الجزئية.التكرار F-racing (irace) أو التحسين المتسلسل القائم على الطراز اختيار متغير مع الفلاتر والمغلفات إعادة التشكيل المتداخلة للنماذج مع الضبط واختيار الميزة التعلم الذي يراعي التكلفة ، وضبط العتبة وتصحيح الخلل آلية التفاف لتوسيع نطاق عمل المتعلمnality بطرق معقدة ومخصصة الجمع بين خطوات المعالجة المختلفة لسلسلة تنقيب البيانات المعقدة التي يمكن تحسينها بشكل مشترك موصل OpenML لنقاط التمديد لخادم Open Machine Learning لتضمين الأشياء الخاصة بك. الموازاة مدمجة في اختبار الوحدة ...