Minimum Redundancy Maximum Relevance variable selection 1.0

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F20%3A00532169" target="_blank" >RIV/67985807:_____/20:00532169 - isvavai.cz</a>
Výsledek na webu
<a href="https://github.com/jankalinaUI/Minimum_Regularized_Redundancy_Maximum_Robust_Relevance_Variable_Selection" target="_blank" >https://github.com/jankalinaUI/Minimum_Regularized_Redundancy_Maximum_Robust_Relevance_Variable_Selection</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Minimum Redundancy Maximum Relevance variable selection 1.0
Popis výsledku v původním jazyce
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.
Název v anglickém jazyce
Minimum Redundancy Maximum Relevance variable selection 1.0
Popis výsledku anglicky
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.

Projekt
<a href="/cs/project/GA19-05704S" target="_blank" >GA19-05704S: FoNeCo: Analytické základy neurovýpočtů</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu
MRMR 1.0
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.
IČO vlastníka výsledku
67985807
Název vlastníka
Ústav informatiky AV ČR, v. v. i., České vysoké učení technické v Praze

Podobné výsledky(10)