O mlr fornece isso para que você possa se concentrar em seus experimentos!A estrutura fornece métodos supervisionados, como classificação, regressão e análise de sobrevivência, juntamente com seus métodos de avaliação e otimização correspondentes, bem como métodos não supervisionados, como clustering.Está escrito de uma maneira que você pode estender por conta própria ou desviar-se dos métodos de conveniência implementados e de seus próprios experimentos complexos.O pacote está bem conectado ao pacote OpenML R, que visa apoiar o aprendizado colaborativo de máquinas on-line e permite compartilhar facilmente conjuntos de dados, bem como tarefas, algoritmos e experimentos de aprendizado de máquina.Interface S3 clara para métodos de classificação R, regressão, agrupamento e análise de sobrevivência Possibilidade de ajustar, prever, avaliar e reamostrar modelos Mecanismo de extensão fácil através da herança S3 Descrição abstrata de alunos e tarefas por propriedades Sistema de parâmetros para os alunos codificarem tipos de dados e restrições Muitas conveniênciasmétodos e blocos de construção genéricos para seus experimentos de aprendizado de máquina Métodos de reamostragem, como inicialização, validação cruzada e subamostragem Visualizações extensivas para, por exemplo, curvas ROC, previsões e previsões parciais Avaliação comparativa de alunos para vários conjuntos de dados Ajuste fácil do hiperparâmetro usando diferentes estratégias de otimização, incluindo potentes configuradores comoF-racing iterado (irace) ou otimização sequencial baseada em modelo Seleção variável com filtros e invólucros Reamostragem aninhada de modelos com ajuste e seleção de recursos Aprendizado sensível ao custo, ajuste de limiar e correção de desequilíbrio Mecanismo de invólucro para estender a função do alunoqualidade de maneiras complexas e personalizadas Combine etapas de processamento diferentes a uma cadeia complexa de mineração de dados que pode ser otimizada em conjunto com o conector OpenML para o servidor Open Machine Learning Pontos de extensão para integrar seu próprio material A paralelização é um teste de unidade interno ...