由于响应变量中的重尾误差分布和离群值广泛存在,因此对具有数据污染鲁棒性的模型提出了更高的要求。在这里,我们为遗传分析中的分位数回归开发了一种新的具有弹性网惩罚的稳健贝叶斯变量选择方法。特别是,为了增强稀疏性,加入了尖峰和斜峰先验。为了便于计算,开发了一种高效的吉布斯采样器。该包的核心模块是用“C++”和R开发的。
请使用规范形式https://CRAN.R-project.org/package=贝叶斯网链接到此页面。