L0Learn:最佳子集选择的快速算法

高度优化的工具箱，用于近似解决L0-正则化学习问题（也称为最佳子集选择）。算法基于坐标下降和局部组合搜索。有关更多详细信息，请查看Hazimeh和Mazumder（2020）的论文<doi:10.1287/opre.2019.1919>.

版本：	2.1.0
取决于：	R（≥3.3.0）
进口：	卢比(≥ 0.12.13),矩阵、方法、，ggplot2,重塑2,MASS（质量）
链接到：	卢比,RcppArmadillo公司
建议：	针织物,rmarkdown公司,测试那个,普拉克马,光栅,覆盖（covr）
出版：	2023-03-07
作者：	侯赛因·哈齐梅[aut，cre]，Rahul Mazumder[aut]，蒂姆·诺内
维护人员：	侯赛因·哈齐梅（Hussein Hazimeh）<husseinhaz at gmail.com>
错误报告：	https://github.com/hazimehh/L0Learn/issues网站
许可证：	麻省理工学院+文件许可证
网址：	https://github.com/hazimehh/L0学习 https://pubsonline.informs.org/doi/101287/opre.2019.1919
需要编译：	对
材料：	更改日志
CRAN检查：	L0学习结果

文档：

参考手册：	L0学习.pdf
渐晕图：	L0学习Vignette

下载内容：

包源：	L0学习_2.1.0.tar.gz
Windows二进制文件：	r-预发布：L0Learn_2.1.0.zip（学习_2.1.0.压缩），r版本：L0Learn_2.1.0.zip（学习_2.1.0.压缩），r-oldrel：L0Learn_2.1.0.zip（学习_2.1.0.压缩）
macOS二进制文件：	r-prerel（arm64）：L0学习_2.1.0.tgz，r-release（arm64）：L0学习_2.1.0.tgz，r-oldrel（arm64）：L0学习_2.1.0.tgz，r-prerel（x86_64）：L0学习_2.1.0.tgz，r-release（x86_64）：L0学习-1.0.tgz
旧来源：	L0Learn存档

链接：

请使用规范形式https://CRAN.R-project.org/package=L0Learn（学习）链接到此页面。