Este documento hace un buen trabajo al describir los métodos actuales, los kits de herramientas disponibles, así como los conjuntos de datos para probar.
Trabajo en un problema comercial que requiere una regresión de múltiples objetivos, y descubrí que el kit de herramientas Clus tiene una buena combinación de alto rendimiento y robustez.
- La documentación es excelente
- El kit de herramientas tiene varios métodos para la clasificación y regresión de objetivos múltiples
- También es compatible con la inducción basada en reglas y la agrupación.
- Los modelos de conjunto (Bagging, RandomForest) que utilicé se pueden leer e interpretar fácilmente.
Algunos de los métodos más nuevos (posteriores a 2012) se han implementado como una extensión del kit de herramientas Mulan, aquí está el enlace de Github . Aunque estos métodos, como las combinaciones de objetivos lineales aleatorios, informan un mejor rendimiento que los modelos de conjunto, descubrí que el kit de herramientas no es tan maduro como el kit de herramientas Clus y, por lo tanto, no los usé.