×

注册RSM

swMATH ID: 16955
软件作者: Pawe Teisseyre;Kłopotek,罗伯特·A。;简·米尔尼楚克
描述: 使用R包regRSM进行高维回归的随机子空间方法。高维回归中的模型选择和变量重要性评估是当代应用统计学中最重要的任务之一。在我们的过程中,在包regRSM中实现,使用随机子空间方法(RSM)构造变量重要性度量。变量根据第一步中使用RSM计算的度量进行排序,然后从排序给出的模型层次列表中,使用信息标准或验证集选择变量的最终子集。讨论了加权随机子空间法和初始冗余变量筛选法等原始方法的改进。我们开发了并行实现,能够显著减少计算时间。在本文中,我们对该方法进行了简要概述,演示了该软件包的功能,并对所提出的算法和竞争方法(如套索或CAR分数)进行了比较研究。在性能测试中,比较了并行实现的计算时间。
主页: https://cran.r-project.org/web/packages/regRSM/index.html
源代码:  https://github.com/cran/regRSM
依赖项: R(右)
关键词: 随机子空间;高维回归;可变重要性度量;广义信息准则;磁粉探伤;{右}
相关软件: R(右);fda(右);do并行;foreach公司;多功能显示系统;github;fdANOVA公司;魔术;双样条曲线;pspline线;洛克波尔;美国食品药品监督管理局;doBy公司;多斯诺;doMC(美国国防部长办公室);ggplot2;质量(R);照顾;ElemStatLearn(电子状态学习);重新注入
引用于: 3文件

2篇连载文章中引用

2 计算统计学
1 统计方法与应用

在1个字段中引用

3 统计学(62-XX)

按年份列出的引文