| bmiData | 青少年BMI数据集（生成玩具示例） | ||
| bowl | 结果加权学习。 | ||
| buildModelObjSubset | 为数据子集创建模型对象 | ||
| Call | 检索未评估的原始调用 | ||
| classif | 检索分类回归分析 | ||
| classif-method | 检索分类回归分析 | ||
| coef | 从建模函数返回的对象中提取模型系数 | ||
| cvInfo | 提取交叉验证结果 | ||
| DTRstep | 确定用于获得结果的统计方法 | ||
| earl | 有效的增强和放松学习 | ||
| EARL-class | “伯爵”级 | ||
| estimator | 检索估计值 | ||
| estimator-method | 检索估计值 | ||
| fitObject | 建模函数返回的对象 | ||
| fittedCont | 从第二阶段IQ学习中检索匹配的对比度分量 | ||
| fittedCont-method | 从第二阶段IQ学习中检索匹配的对比度分量 | ||
| fittedMain | 从第二阶段智商学习中提取拟合的主效应分量 | ||
| fittedMain-method | 从第二阶段智商学习中提取拟合的主效应分量 | ||
| fSet | 定义fSet输入变量 | ||
| genetic | 检索遗传算法结果 | ||
| genetic-method | 检索遗传算法结果 | ||
| iqLearn | 交互式Q-学习 | ||
| iqLearnFSC | 交互式Q-学习 | ||
| iqLearnFSM | 交互式Q-学习 | ||
| iqLearnFSV | 交互式Q-学习 | ||
| IQLearnFS_C-class | 等级filename_points_covered_by_landmarks | ||
| IQLearnFS_ME-class | 等级filename_points_covered_by_landmarks | ||
| IQLearnFS_VHet-class | 等级filename_points_covered_by_landmarks | ||
| iqLearnSS | 交互式Q-学习 | ||
| IQLearnSS-class | “IQLearnSS”类 | ||
| iter | 定义iter输入变量 | ||
| moPropen | 定义moPropen输入变量 | ||
| optimalClass | 分类视角 | ||
| OptimalClass-class | “最佳类” | ||
| OptimalClassObj-class | “类对象” | ||
| OptimalInfo-class | “信息”类 | ||
| optimalSeq | 缺失或粗化数据透视-遗传算法 | ||
| OptimalSeq-class | “最佳顺序”类 | ||
| OptimalSeqCoarsened-class | 类包含粗化数据IPW/AIPW方法的结果 | ||
| OptimalSeqMissing-class | 类包含缺少数据IPW/AIPW方法的结果 | ||
| optimObj | 提取优化结果 | ||
| optTx | 提取或估计最优Tx和决策函数 | ||
| optTx-method | 提取或估计最优Tx和决策函数 | ||
| outcome | 检索结果回归分析 | ||
| owl | 结果加权学习 | ||
| OWL-class | “猫头鹰”类 | ||
| plot | 生成由建模函数定义的绘图 | ||
| propen | 检索倾向回归分析 | ||
| qLearn | Q-学习算法的一个步骤 | ||
| QLearn-class | “QLearn”类 | ||
| QLearnObj-class | “QLearnObj”类 | ||
| qqplot | 分位数图 | ||
| qqplot-method | 分位数图 | ||
| regimeCoef | 提取状态参数 | ||
| residuals | 提取模型残差 | ||
| residuals-method | 提取模型残差 | ||
| rwl | 剩余加权学习 | ||
| RWL-class | “RWL”级 | ||
| sd | 标准差 | ||
| sd-method | 标准差 | ||
| summary | 结果总结 |