巨大:高维无向图估计
为提供通用框架高维无向图估计。它集成了数据预处理、邻域筛选、图形估计、,并将模型选择技术融入到流水线中。在预处理阶段,非paranormal(npn)变换是用于帮助放宽正态性假设。在图表中估计阶段,通过Meinshausen-Buhlmann图估计或图形套索,这两种方法都可以通过有损筛选规则预选每个变量的邻域通过相关阈值法。我们的目标是高维数据分析通常为d>>n,计算如下使用稀疏矩阵输出优化内存。我们还提供计算效率高的方法、相关性阈值图估计。三个正则化/阈值化参数选择方法有本包包括:(1)稳定性方法正则化选择(2)旋转信息准则(3)仅可用的扩展贝叶斯信息准则用于图形套索。
文档:
下载内容:
反向依赖关系:
反向进口: |
伪造的,异GGM,尼塔索克,网络网关,网织物,噪音bmGGM,nutri网络,rgm公司,sdafilter过滤器,稀疏的,备用TSCGM,圣明景点,特拉索,TransGraph(TransGraph),联合国和平理事会 |
反向建议: |
BDgraph(BDgraph),引导网络,比较CausalNetworks,CTD公司,边束R,pcalg公司,脉冲星,q图,沙,stm公司 |
链接:
请使用规范形式https://CRAN.R-project.org/package=巨大链接到此页面。