均方根值

R包RMS:通过将增强的模型设计属性存储在FIT中,回归建模策略、回归建模、测试、估计、验证、图形、预测和排版。RMS是帮助和简化建模的229个功能的集合。它还包含了二元和有序Logistic回归模型的函数和右删失响应的Buckley James多元回归模型,并对Logistic和普通线性模型进行惩罚极大似然估计。RMS与几乎任何回归模型一起工作,但它特别被写为用二元或有序logistic回归、Cox回归、加速失效时间模型、普通线性模型、Buckley James模型、广义或最小二乘空间或相关的观测数据、广义线性模型,和分位数回归。来源HTTP://RANK.R项目


ZBMaCT中的参考文献(76篇文章中引用)

显示结果1至20的76。
按年份排序(引文
  1. Hirk,Rainer;Hornik,库尔特;Vana,劳拉:多元有序回归模型:企业信用评级分析(2019)
  2. Alicja Gosiewska;Przemyslaw Biecek:审计员:模型不可知性视觉验证和诊断的R包(2018)阿西夫
  3. Daniela Dunkler;Meinhard Ploner;Michael Schemper;Georg Heinze:用R包COXPHW加权加权Cox回归(2018)不是ZB数学
  4. 海因策,格奥尔;Wallisch、克里斯廷、Dunkler、达妮埃拉:变量选择——实践统计学家的回顾与建议(2018)
  5. Munkad,肖恩;胡,胜利镇;Gopaand ANANDASIVAM:嵌入式移动应用管理在线评论主题建模的单阶段预测(2018)
  6. Maxild Mortensen,乐天;汉森,Camilla Plambeck;Ovvad,基姆;Lundbye Christensen,S;任,Erik T.:时间事件数据的伪观测分析。丹麦饮食、癌症和健康队列的例子说明了假设、模型验证和结果解释(2018)
  7. 比尔顿,彭尼;琼斯,杰夫;甘尼什,Siva;Haslett,史提夫:贫困地图分类树(2017)
  8. Cipolli,威廉三世;汉森,蒂莫西:计算可处理的近似光滑的波利亚树(2017)
  9. 康图奇,皮埃尔路易吉;卢齐,RaCele;Velnina,塞西莉亚:具有吸引作用的平均场单体二聚体模型的反问题(2017)
  10. Treppmann,Tabea;Iksistt,Katja;Zucknick,Maunela:一个Bayes Cox模型中多个基因组数据源的整合,用于变量选择和预测(2017)
  11. Vanegas,Luis Hernando;保拉,Gilberto A.:存在非信息左右删失观测的对数对称回归模型(2017)
  12. Balzer,劳拉;AHEN,珍妮佛;GaleA,桑德罗;van der Laan,马克:估计稀有结果和高维协变量的影响:知识就是力量(2016)
  13. 遥远的Julian J.:用R-广义线性、混合效应和非参数回归模型推广线性模型。(2016)
  14. 罗,Sirong;Kong,Xiao;聂,婷婷:基于样条的信用风险建模生存模型(2016)
  15. 马,Shaohui;FLDES,罗伯特;黄,TA:高维数据需求预测:SKU零售销售预测的情况:内部和类别间促销信息(2016)
  16. 谢泼德,Bryan E.;李,淳;刘,齐:连续、离散和删失数据的概率标度残差(2016)
  17. Stayer-Brg,E. W.:F.E.Hael-Jun的书评,回归建模策略。对线性模型、Logistic和有序回归以及生存分析进行了应用。第二版(2016)
  18. TaAPa,RAM;Burkhart,Harold E.;李,Jie;洪,伊犁:具有时间依赖性协变量和共有弱点的火炬松群集存活时间的建模(2016)
  19. 周,MAI:生存分析中的经验似然法(2016)
  20. 科恩、Andrew L.、斯塔布、阿德里安:贝叶斯推理策略中的主题一致性与主体变异性(2015)马修德