nestedcv：带有“glmnet”和“插入符号”的嵌套交叉验证

通过“glmnet”包实现套索和弹性网规则化线性模型的嵌套k*l-fold交叉验证，通过“插入符号”包实现其他机器学习模型。提供了“glmnet”阿尔法混合参数的交叉验证和用于特征选择的嵌入式快速滤波器功能。Stone（1977）将其描述为双重交叉验证<doi:10.1111/j.2517-6161.1977.tb01603.x>. 在使用马蹄形先验参数拟合贝叶斯线性和逻辑回归收缩模型时，还实现了一种使用外部CV测量无偏模型性能指标的方法，以鼓励使用Piironen&Vehtari（2017）所述的稀疏模型<doi:10.1214/17-EJS1337SI>.

版本：	0.7.10
进口：	插入符号,数据表,do并行,foreach公司,ggplot2,格尔姆奈特,矩阵统计,矩阵测试，方法，并行，pROC公司,快速,RhpcBLASctl公司,拉朗,收益率
建议：	博鲁塔,CORElearn公司,快速成型(≥ 0.1.0),千兆字节,蜂群,ggpubr公司,赫斯坦,丙二醛,ml试验台,pbapply（应用程序）,请,随机森林,护林员,RcppEigen基因,rmarkdown公司,针织物,超级学习者
出版：	2024-08-16
内政部：	10.32614/CRAN.package.nestedcv
作者：	迈尔斯-刘易斯[自动，cre]，阿西娜·斯皮廖普洛[aut]，坎库特·库布克【ctb】，卡特里奥娜·戈德曼【ctb】
维护人员：	迈尔斯·刘易斯<Myles.Lewis at qmul.ac.uk>
错误报告：	https://github.com/myles-lewis/nestedcv/issues
许可证：	麻省理工学院+文件许可证
网址：	https://github.com/myles-lewis/nestedcv
需要编译：	不
语言：	英国英语
引用：	nestedcv引文信息
材料：	自述文件 新闻
在视图中：	机器学习
CRAN检查：	嵌套cv结果

文档：

参考手册：	嵌套cv.pdf
守夜人：	嵌套cv导轨(来源,R代码) 使用贝叶斯收缩模型的外覆盖率(来源,R代码) 用Shapley值解释嵌套cv模型(来源,R代码)

下载内容：

包源：	嵌套cv_0.7.10.tar.gz
Windows二进制文件：	r-devel公司：嵌套cv_0.7.10.zip，r版本：嵌套cv_0.7.10.zip，r-oldrel：嵌套cv_0.7.10.zip
macOS二进制文件：	r释放（arm64）：嵌套cv_0.7.10.tgz，r-oldrel（arm64）：嵌套cv_0.7.10.tgz，r-release（x86_64）：嵌套cv_0.7.10.tgz，r-oldrel（x86_64）：嵌套cv_0.7.10.tgz
旧来源：	nestedcv存档

链接：

请使用规范形式https://CRAN.R-project.org/package=nestedcv链接到此页面。