flexmix公司

软件包flexmix:灵活的混合建模,flexmix使用EM算法实现了有限混合回归模型的通用框架。FlexMix提供E-step和所有数据处理,而M-step可以由用户提供,以方便定义新模型。现有的驱动程序实现了标准线性模型、广义线性模型和基于模型的聚类的混合。(资料来源:http://cran.r-project.org/web/packages)


zbMATH中的参考文献(参考文献111篇文章,2标准条款)

显示111的结果1到20。
按年份排序(引用)
  1. 本杰明·奥德;加西亚,伊丽莎白;Loum,Mor Absa:二元回归混合模型的最小二乘矩辨识(2021)
  2. 巴吉洛夫,阿迪尔·M。;塔赫里,索纳;Cimen,Emre:大规模聚类线性回归的增量DC优化算法(2021)
  3. Cristina Tortora,Ryan P.Browne,Aisha ElSherbiny,Brian C.Franczak,Paul D.McNicholas:使用广义双曲分布的基于模型的聚类、分类和判别分析:MixGHD R软件包(2021)不是zbMATH
  4. 加利姆贝蒂,朱利亚诺;Soffritti,Gabriele:看似无关的聚类线性回归(2020)
  5. 乔达尼,保罗;费拉罗,玛丽亚·布里吉达;Martella,Francesca:R聚类介绍(2020)
  6. 英格拉西,萨尔瓦托;Antonio Punzo:通过总平方和分解对回归混合物进行聚类验证(2020年)
  7. 佐基,凯萨;巴吉洛夫,阿迪尔·M。;那不勒斯卡尔米特萨;Mäkelä,Marko M。;塔赫里,索纳:聚类支持向量线性回归(2020)
  8. 马扎,安吉洛;Antonio Punzo:多元污染正态回归模型的混合(2020)
  9. 墨菲,基夫;Murphy,Thomas Brendan:带有协变量和噪声分量的高斯简约聚类模型(2020)
  10. 沈洁莉;刘丽珍。;谢敏戈:(一)融合:个性化融合学习(2020)
  11. 杨玉珍;林宗一;卡斯特罗,路易斯·M。;王万伦:用伴随协变量扩展(t)线性混合效应模型的有限混合(2020)
  12. 阿卜杜勒巴塞特;Michael,Semhar:分层样本的有限混合回归模型(2019)
  13. 阿霍恩,伊尔马利;涅瓦莱宁,Jaakko;拉洛克,丹尼斯:用灵活的有限回归混合预测(2019)
  14. 阿卡波,雷克斯福德M。;夏,米歇尔;Polansky,Alan M.:调整虚假陈述的保险费率制定模型中的频率专家推断(2019)
  15. 弗林特,艾比;Dean,Nema:具有测量选择的生长混合模型(2019年)
  16. 凤姿;巴德斯库,安德烈L。;林,X.谢尔顿:一般保险的混合专家模型:理论发展(2019)
  17. 奥哈根,阿德里安;墨菲,托马斯·布伦丹;斯库卡,卢卡;Gormley,Isobel-Claire:通过jackknife、bootstrap和加权似然bootstrap,使用高斯混合模型研究聚类中的参数不确定性(2019)
  18. Patterson,Toby:书评:W.Zucchini等人,《时间序列的隐马尔可夫模型:使用R.第2版的介绍》(2019年)
  19. 王万伦:具有异质性和缺失值的多纵向数据的多元(t)非线性混合模型(2019)
  20. 年轻,德里克S。;陈曦;赫瓦格,迪鲁克什C。;Nilo Poyanco,Ricardo:伽马分布的有限混合:估计、推断和基于模型的聚类(2019)