ecpc：用于高维预测的灵活协同数据学习

拟合线性、logistic和Cox生存回归模型，采用自适应多组岭惩罚。多组惩罚对应于由（多个）联合数据源定义的协变量组。使用经验贝叶斯矩方法估计组超参数，并额外进行超收缩。各种类型的超收缩可用于各种联合数据。协同数据可以是连续的，也可以是分类的。该方法适用于包含未经验证的协变量、协变量的后验选择和多种数据类型。模型拟合用于预测新样本。“ecpc”这个名字代表经验贝叶斯、协变量学习、预测和协变量选择。见Van Nee等人（2020年）<doi:10.48550/arXiv.2005.04010>.

版本：	3.1.1
取决于：	R（≥3.5.0）
进口：	格尔姆奈特，统计，矩阵,格拉索,mvtnorm公司,CVXR公司,多棱形(≥1.5),生存,pROC公司,mgcv公司,普拉克马,慢跑,二次规划优化函数,将死
建议：	Rsolnp公司,矩阵指数函数,foreach公司,do并行，平行，ggplot2,gggraph图,记录仪,ggpubr公司,规模,数字播放器,马格里特,nnls公司
出版：	2023-02-27年
作者：	Mirrelijn M.van Nee【aut，cre】，Lodewyk F.A.Wessels【aut】，马克·范·德维尔
维护人员：	Mirrelijn M.van Nee<阿姆斯特丹M.vannee>
许可证：	GPL（≥3）
网址：	http://dx.doi.org/10.1002/sim.9162
需要编译：	不
CRAN检查：	ecpc结果

文件：

参考手册：

ecpc.pdf文件

下载内容：

包源：	ecpc_3.1.1.tar.gz文件
Windows二进制文件：	r-devel公司：ecpc_3.1.1.zip文件，r版本：ecpc_3.1.1.zip文件，r-oldrel：ecpc_3.1.1.zip文件
macOS二进制文件：	r释放（arm64）：ecpc_3.1.1.tgz文件，r-oldrel（arm64）：ecpc_3.1.1.tgz文件，r-release（x86_64）：ecpc_3.1.1.tgz文件，r-oldrel（x86_64）：ecpc_3.1.1.tgz文件
旧来源：	ecpc档案

反向依赖关系：

反向建议：	吱吱作响的
反向增强：	传输寄存器

链接：

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