msgl公司

R包msgl：多项式稀疏群套索。稀疏群套索惩罚多项式logistic回归。同时进行特征选择和参数估计。适用于多类的高维多类分类。该算法计算稀疏群lasso惩罚最大似然估计。“foreach”和“doParallel”包支持使用并行计算进行交叉验证和子抽样。开发版本在GitHub上，请在GitHub上报告包问题。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考

显示第1到第10个结果，共10个。
按年份排序(引用)

  1. 任，盛；康，艾米丽；卢，詹森L.：MCEN：高维多项式回归的同时变量选择和聚类方法（2020）
  2. Agor，Joseph；zaltın，Osman Y.：基于双层优化的分类模型特征选择（2019）
  3. 王杰；张占秋；叶洁平：基于凸集分解的稀疏群套索二层特征约简（2019）
  4. 王亚迪；杨新光；陆永进：基于条件互信息的自适应弹性网络微阵列分类信息基因选择（2019）
  5. 李英毅；张海斌；李飞：求解一类非光滑凸优化问题的修正近端梯度法（2017）
  6. Farrell，Max H.：协变量可能比观察值更多的平均治疗效果的稳健推断（2015）
  7. Tutz，Gerhard；Pönecker，Wolfgang；Uhlmann，Lorenz:一般多项式logit模型中的变量选择（2015）
  8. 张海斌；江，焦焦；赵云斌：关于一类非光滑凸问题的近端Landweber-Newton方法（2015）
  9. Vincent，Martin；Hansen，Niels Richard:稀疏群套索和高维多项式分类（2014）
  10. 张海斌；江，娇娇；罗志全：关于一类非光滑凸极小化问题的最近梯度法的线性收敛性（2013）