sparseR:排序稀疏原则下的变量选择相互作用和多项式
排序稀疏性方法的实现,包括惩罚回归方法,如稀疏等级套索,its非凸替代方案、弹性网以及稀疏性排名贝叶斯信息准则。如Peterson和卡瓦诺(2022)<doi:10.1007/s10182-021-00431-7>,排名稀疏性是一种哲学,其方法主要用于存在先验信息的变量选择不对称,在尝试执行变量时发生存在相互作用和/或多项式时的选择。最终,这个包试图帮助处理繁琐的交互和多项式,而不是完全避免它们。通常,模型根据排名稀疏原则进行选择也会更加透明,与其他交互和多项式相比,错误选择的交互和多项式更少方法。
版本: |
0.3.1 |
取决于: |
R(≥3.5) |
进口: |
ncvreg公司,爱尔兰航空公司,马格里特,数字播放器,食谱(≥ 1.0.0) |
建议: |
生存,针织物,rmarkdown公司,额外电缆,测试那个,冠状病毒,模型数据,MASS(质量) |
出版: |
2024-07-17 |
内政部: |
10.32614/CRAN.包装.解析器 |
作者: |
瑞安·安德鲁·彼得森[aut,cre] |
维护人员: |
Ryan Andrew Peterson在cuanschutz.edu> |
许可证: |
GPL-3公司 |
网址: |
https://petersonr.github.io/sparserR/,https://github.com/petersonR/sparserR/ |
需要编译: |
不 |
引用: |
稀疏引用信息 |
材料: |
自述 新闻 |
CRAN检查: |
sparseR结果 |
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=spareR链接到此页面。