锐利:使用重新采样程序的稳定方法

稳定性选择(N Meinshausen,Pühlmann(2010))<文件编号:10.1111/j.1467-9868.2010.00740.x>)和共识聚类(S Monti等人(2003)<doi:10.1023/A:1023949509487>),使用重采样技术来提高结果的可靠性。在此包中,超参数通过最大化模型稳定性进行校准,该模型稳定性是在所有选择(或共同成员)概率相同的零假设下测量的(B Bodinier等人(2023a))<doi:10.1093/jrsssc/qlad058>和B Bodinier等人(2023b)<doi:10.1093/bioinformatics/btad635>). 在稳定性选择中使用LASSO回归、稀疏PCA、稀疏(组)PLS或图形LASSO,以及在一致性聚类中围绕medoids、K均值或高斯混合模型进行分层聚类、分区,这些功能易于实现。

版本: 1.4.6
取决于: 伪造的(≥1.4.0),R(≥3.5)
进口: 阿宾德,蜂鸣器,未来,未来应用程序,glasso快速(≥ 1.0.0),格尔姆奈特,gr设备,记录仪,麦克卢斯特,nloptr公司,倍体,Rdpack公司,用r(≥ 2.4.0)
建议: 集群,公司,聚类算法,弹性网,格拉索,mixOmics公司,内特,OpenMx(OpenMx),RCy3号机组,随机coloR、rCOSA、,rmarkdown公司,rpart公司,sgPLS公司,预防卒中,生存(≥ 3.2.13),测试那个(≥ 3.0.0),visNetwork(可视网络)
出版: 2024-02-03
内政部: 10.32614/CRAN.包装.夏普
作者: 芭芭拉·博迪尼尔[aut,cre]
维护人员: 芭芭拉·博迪尼尔<Barbara.Bodinier at gmail.com>
错误报告: https://github.com/barbarabodinier/sharp/issues网站
许可证: GPL(≥3)
网址: https://github.com/barbarabodinier/sharp
需要编译:
其他存储(_R): https://barbarabodinier.github.io/drat网址
语言: en-GB公司
材料: 自述文件 新闻
CRAN检查: 尖锐的结果

文档:

参考手册: sharp.pdf格式
渐晕图: 夏普-JSS-2024

下载内容:

包源: sharp_1.4.6.目标.gz
Windows二进制文件: r-devel公司:sharp_1.4.6.zip文件,r版本:sharp_1.4.6.zip文件,r-oldrel:锐化_1.4.6.压缩
macOS二进制文件: r释放(arm64):sharp_1.4.6.tgz,r-oldrel(arm64):sharp_1.4.6.tgz,r-release(x86_64):sharp_1.4.6.tgz,r-oldrel(x86_64):sharp_1.4.6.tgz
旧来源: 清晰存档

链接:

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