电磁阀

R包EMVS:贝叶斯变量选择的期望最大化方法。一种用于拟合线性回归的Bayesian-spike和slab正则化路径的有效期望最大化算法。Rockova和George(2014年)<doi:10.1080/01621459.2013.869223>.


zbMATH中的参考文献(参考文献31条,1标准件)

显示第1到第20个结果,共31个。
按年份排序(引用)
  1. 万基蒂袁怡;Griffin,Jim E.:logistic和加速失效时间回归模型中贝叶斯变量选择的自适应MCMC方法(2021)
  2. 杜法斯,阿诺;Rombouts,Jeroen诉。K、 :结构突变模型中的相关参数变化(2020年)
  3. 李泽恒;麦科米克,泰勒H。;克拉克,塞缪尔J.:使用贝叶斯潜在高斯图形模型推断口头尸检中的症状关联(2020)
  4. 波斯奇,康斯坦丁;马克西米利安;Pilz,Juergen:线性回归模型中变量选择的新贝叶斯方法(2020)
  5. 鲁菲厄,Héè氖;戴维森,安东尼·C。;哈格,Jörg公司;因肖,杰米;费尔法克斯,本杰明P。;理查森,西尔维亚;Bottolo,Leonardo:多响应回归中检测热点的全局-局部方法(2020)
  6. 杨新明;Narisetty,Naveen N.:一致性群体选择与贝叶斯高维建模(2020)
  7. 德维尔,马克A。厢式货车;泰比斯特,丹尼斯E。;ünch,Magnus M.:从大量中学习:基于高维模型预测的经验贝叶斯(2019)
  8. 甘、凌瑞;Narisetty,纳文·N。;Liang,Feng:不等收缩图形模型的贝叶斯正则化(2019)
  9. 古蒂é瑞兹,路易斯;巴林托斯,安德烈é旧金山。;冈茨á莱兹,豪尔赫;泰勒·罗德íguez,Daniel:一种用于比较几种治疗方法与对照组的贝叶斯非参数多重测试程序(2019)
  10. 莫兰,杰玛E。;反渗透č科夫á, 维罗尼卡;George,Edward I.:高维贝叶斯变量选择的方差先验形式(2019)
  11. Narisetty,纳文·N。;沈娟;何旭明:《瘦吉布斯:模型选择的一致性和可扩展性Gibbs采样器》(2019)
  12. 宁、博;Ghosal,Subhashis;Thomas,Jewell:空间相关多元时间序列因果推断的贝叶斯方法(2019)
  13. 倪,杨;斯廷戈,弗朗西斯科C。;Baladandayuthapani,Veerabhadran:贝叶斯图形回归(2019)
  14. 张春霞;徐爽;张江社:logistic回归模型中变量选择的一种新的变分贝叶斯方法(2019)
  15. 康松尼,圭多;福斯卡基斯,迪米特里斯;布鲁内罗利塞奥;Ntzoufras,Ioannis:客观贝叶斯分析的先验分布(2018)
  16. 杜兴琪;Ghosal,Subhashis:使用高维预测因子的贝叶斯判别分析(2018)
  17. 福斯卡基斯,迪米特里斯;恩佐夫拉斯,约安尼斯;Perrakis,Konstantinos:广义线性模型的后验概率(2018)
  18. Linero,Antonio R.:用于高维预测和变量选择的贝叶斯回归树(2018)
  19. 米兰达,米歇尔F。;朱宏图;Ibrahim,Joseph G.:TPRM:张量分配回归模型及其在成像生物标志物检测中的应用(2018)
  20. 反渗透č科夫á, Veronika:具有连续尖峰和平板先验的稀疏信号的贝叶斯估计(2018)