glamlasso:大规模广义线性阵列模型中的惩罚

在大规模2维和3维广义线性阵列模型框架中，高效设计无矩阵拉索惩罚估计。该过程基于Lund等人（2017）的gdpg算法<doi:10.1080/10618600.2017.1279548>. 目前，拉索或平滑截尾绝对偏差（SCAD）惩罚估计可用于以下模型：具有恒等链的高斯模型、具有logit链的二项式模型、具有对数链的泊松模型和具有对数链路的伽马模型。也可以在模型中包含非传感器设计的组件，例如拦截。还提供了函数glamlassoRR（）和glamlassss（），适用于GLAM的特殊情况。

版本：	3.0.1
进口：	卢比(≥ 0.11.2)
链接到：	卢比,RcppArmadillo公司
出版：	2021-05-16
作者：	亚当·伦德
维护人员：	Adam Lund在math.ku.dk>
许可证：	GPL-3公司
需要编译：	对
CRAN检查：	格拉姆拉索结果

文档：

参考手册：

格拉姆拉索.pdf

下载内容：

包源：	格拉姆拉索3.0.1.tar.gz
Windows二进制文件：	r-预发布：glamlasso_3.0.1.zip拉链，r版本：glamlasso_3.0.1.zip拉链，r-oldrel：glamlasso_3.0.1.zip拉链
macOS二进制文件：	r-prerel（arm64）：玻璃钢3.0.1.tgz，r-release（arm64）：格拉马索3.0.1.tgz，r-oldrel（arm64）：格拉马索3.0.1.tgz，r-prerel（x86_64）：格拉马索3.0.1.tgz，r-release（x86_64）：格拉马索3.0.1.tgz
旧来源：	格拉姆拉索档案

反向依赖关系：

反向进口：

新鲜

链接：

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