rsparse：稀疏矩阵的统计学习

在上实现许多统计学习算法稀疏矩阵-矩阵分解，矩阵完成，弹性网回归、因式分解机。此外，“rsparse”通过提供以下方法增强了“Matrix”包多线程<稀疏、密集>矩阵乘积和本地切片压缩稀疏行（CSR）格式的稀疏矩阵。回归问题的算法列表：1） 通过遵循近似规则化领导者（FTRL）的弹性网络回归随机梯度下降（SGD），根据McMahan等人（<doi:10.1145/2487575.2488200>)2） 根据Rendle（2010<doi:10.1109/ICDM.2010.127>)矩阵分解和矩阵补全的算法列表：1） 基于交替最小二乘的加权正则矩阵分解（WRMF）Squares（ALS）——胡、科伦、沃林斯基（2008<doi:10.1109/ICDM.2008.22>)2） 通过ALS实现最大利润矩阵分解，Rennie，Srebro的论文(2005, <数字对象标识代码：10.1145/102351.1102441>)3） 快速截断奇异值分解（SVD），软阈值SVD，通过ALS完成软计算矩阵-Hastie，Mazumder的论文等（2014年<doi:10.48550/arXiv.1410.2596>)4） 线性流矩阵分解，来自“实用线性模型Sedhain，Bui，Kawale等人（2016年，国际标准图书编号：978-1-57735-770-4）5） 通过SGD进行GlobalVectors（GlobalVe）矩阵分解，Pennington的论文，Manning Socher（2014年<https://aclantology.org/D14-1162/>)包相当快，内存效率高-它允许使用大型数据集-数百万行和数百万列。这特别有用适用于从事推荐系统工作的从业者。

版本：	0.5.1
取决于：	R（≥3.6.0），方法，矩阵(≥ 1.3)
进口：	额外矩阵(≥ 0.1.7),卢比（≥0.11），数据表(≥1.10.0),浮动(≥ 0.2-2),RhpcBLASctl公司,长距离无线电(≥ 0.2)
链接到：	卢比,RcppArmadillo公司(≥ 0.9.100.5.0)
建议：	测试那个,冠状病毒
出版：	2022-09-11年
作者：	德米特里·塞利瓦诺夫[aut，cre，cph]，大卫·科尔特斯，Drew Schmidt[ctb]（为BLAS、LAPACK检测配置脚本），Wei-Chen Chen[ctb]（配置脚本并链接到float包装）
维护人员：	德米特里·塞利瓦诺夫（Dmitriy Selivanov）<ds at rexy.ai>
错误报告：	https://github.com/rexyai/rparse/inquestions（https://github.com/rexyai/rparse/inquestions）
许可证：	GPL-2型|GPL-3公司【扩展自：GPL（≥2）】
网址：	https://github.com/rexyai/rsparse
需要编译：	对
材料：	自述文件 新闻
在视图中：	Missing数据
CRAN检查：	rsparse结果

文档：

参考手册：

rsparse.pdf文件

下载：

包源：	rsparse_0.5.1.tar.gz
Windows二进制文件：	r-预发布：rsparse_0.5.1.zip文件，r版本：rsparse_0.5.1.zip文件，r-oldrel：rsparse_0.5.1.zip文件
macOS二进制文件：	r-prerel（arm64）：rsparse_0.5.1.tgz，r-release（arm64）：rsparse_0.5.1.tgz，r-oldrel（arm64）：rsparse_0.5.1.tgz，r-prerel（x86_64）：rsparse_0.5.1.tgz，r-release（x86_64）：rsparse_0.5.1.tgz
旧来源：	rsparse存档

反向依赖关系：

反向进口：

LSX公司,心灵文字Vec,文本2vec

链接：

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