Počet záznamů: 1
Minimum Redundancy Maximum Relevance variable selection 1.0
- 1.0532169 - ÚI 2021 RIV CZ eng L4 - Software
Kalina, Jan - Schlenker, A.
Minimum Redundancy Maximum Relevance variable selection 1.0.
Interní kód: MRMR 1.0 ; 2020
Technické parametry: Kód v softwaru R je samostatně spustitelný, vyžaduje instalaci několika dostupných knihoven (MASS, glmnet, e1071, pamr, rda, rrlda). Spuštění je přímočaré s využitím kódu ze souboru DimReduction.R a s využitím dokumentace v něm uvedené, soubor Classifiers.R obsahuje jen pomocné postupy. Dostupné pod licencí MIT.
Ekonomické parametry: Software provádí robustní regularizovanou verzi známé metody MRMR pro redukci dimenze. Zde jde o dosud první dostupnou implementaci MRMR metody, která je vhodná pro vysoce dimenzionální data kontaminovaná odlehlými hodnotami, zároveň optimálně odhaduje veškeré parametry, a proto výrazně usnadňuje práci uživatelům.
Grant CEP: GA ČR(CZ) GA19-05704S
Institucionální podpora: RVO:67985807
Klíčová slova: Redukce dimenze * robustnost * vysoce dimenzionální data * Dimension reduction * robustness * high-dimensional data
Obor OECD: Statistics and probability
https://github.com/jankalinaUI/Minimum_Regularized_Redundancy_Maximum_Robust_Relevance_Variable_Selection
The code implemented in R software performs supervised variable selection of a given (possibly high-dimensional) dataset by the MRMR method, i.e. Minimum Redundancy-Maximum Relevance. The computations, which were tested over three real datasets, include automatic choices of all parameters and compare various measures of relevance and redundancy as well as various classifiers. The software is available under MIT license.
Trvalý link: http://hdl.handle.net/11104/0310758
Vědecká data: GitHub.com
Počet záznamů: 1