TMVA-多元数据分析工具
摘要：高能物理学中，随着在越来越大的数据集中寻找越来越小的信号，从数据中提取尽可能多的可用信息变得至关重要。基于机器学习技术的多元分类方法已成为大多数分析的基本组成部分。此外，多元分类器自身在最近几年中也有了重大发展。统计学家已经找到了新的方法来调整和组合分类器，以进一步提高性能。TMVA是一个集成在分析框架ROOT中的工具包，它拥有各种多元分类算法。通过用户友好的界面，可以同时进行所选分类器的训练、测试、性能评估和应用。在版本4中，TMVA已扩展为实值目标向量的多元回归。通过与分类相同的用户界面调用回归。TMVA 4还具有更灵活的数据处理功能，可以任意组合MVA方法。广义提升方法是新框架的第一个实现。
作者：A. Hoecker, P. Speckmayer, J. Stelzer, J. Therhaag, E. von Toerne, H. Voss, M. Backes, T. Carli, O. Cohen, A. Christov, D. Dannheim, K. Danielowski, S. Henrot-Versille, M. Jachowski, K. Kraszewski, A. Krasznahorkay Jr., M. Kruk, Y. Mahalalel, R. Ospanov, X. Prudent, A. Robert, D. Schouten, F. Tegenfeldt, A. Voigt, K. Voss, M. Wolter, A. Zemla
论文ID：physics/0703039
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2018-08-02