mboost公司

R包mboost:基于模型的Boosting。函数梯度下降算法(boosting)用于优化一般风险函数,使用组件式(惩罚)最小二乘估计或回归树作为基本学习者,将广义线性、加性和交互模型拟合到潜在的高维数据。


zbMATH参考文献(52篇文章引用,标准条款2)

显示第1到第20个结果,共52个。
按年份排序(引用)
  1. Engebretsen,Solveig;Glad,Ingrid K.:高维和低维的加性单调回归(2019)
  2. Vicendese,D.;Te Marvelde,L.;McNair,P.D.;Whitfield,K.;English,D.R.;Ben Taieb,S.;Hyndman,R.J.;Thomas,R.:用结直肠癌治疗研究(2019年)中展示的深度数据分析方法预测整个分布
  3. Thomas Welchowski;Schmid,Matthias:稀疏核深层叠加网络(2019)
  4. Emily Morris,Kevin He,Li Yanming Li,Yi Li,Jian Kang:SurvBoost:基于梯度提升的分层比例风险模型中高维变量选择的R包(2018)阿尔十四
  5. Seibold,Heidi;Bernau,Christoph;Boulesteix,Anne Laure;De Bin,Riccardo:关于高维线性Cox模型提升步数的选择和影响(2018)
  6. Thomas,Janek;Mayr,Andreas;Bischl,Bernd;Schmid,Matthias;Smith,Adam;Hofner,Benjamin:分布回归的梯度提升:通过非周期更新加快调整和改进变量选择(2018)
  7. Bommert,Andrea;Rahnenführer,Jörg;Lang,Michel:为高维数据寻找具有稳定特征选择的预测和稀疏模型的多准则方法(2017)
  8. Brockhaus,Sarah;Melcher,Michael;Leisch,Friedrich;Greven,Sonja:促进具有大量功能历史效应的灵活函数回归模型(2017年)
  9. Friedrichs,Stefanie;Manitz,Juliane;Burger,Patricia;Amos,Christopher I.;Risch,Angela;Chang Claude,Jenny;Wichmann,Heinz-Erich;Kneib,Thomas;Bickeböller,Heike;Hofner,Benjamin:全基因组关联研究分析的基于路径的内核提升(2017)
  10. Kraus,Daniel;Czado,Claudia:基于D-vine copula的分位数回归(2017)
  11. Andreas Mayr;Benjamin Hofner;Elisabeth Waldmann;Hepp,Tobias;Meyer,Sebastian;Gefeller,Olaf:生物医学统计促进的最新进展(2017)
  12. Pande,Amol;Li,Liang;Rajeswaran,Jeevanantham;Ehrlinger,John;Kogalur,Udaya B.;Blackstone,Eugene H.;Ishwaran,Hemant:纵向数据的增强多元树(2017)
  13. Pierre AndréCornillon和Nicolas Hengartner和Eric Matzner-Løber:R中的迭代偏差减少多元平滑:ibr包(2017)不是zbMATH
  14. Reto Bürgin;Gilbert Ritshard:基于系数的变异系数回归(vcrpart)(2017)不是zbMATH
  15. dimensional interactions of dimensional interactions of dimensional interactions of Biomarkes in high;2017;dimensional interactions with Biomarkes in high;2017;dimensional interactions with Biomarkes in high;2017;dimensional interactions of Biomarkes in high;2017;dimensional interactions with Biomarket
  16. De Bin,Riccardo:Boosting in Cox regression:基于可能性和基于模型的方法的比较,重点放在R-packages\textITCOxBoostStand\textitmboost(2016)
  17. Dubossarsky,E.;Friedman,J.H.;Ormerod,J.T.;Wand,M.P.:基于小波的梯度增强(2016)
  18. 本杰明·霍夫纳(Hofner)、托马斯·克内布(Kneib)、托尔斯滕霍恩(Hothorn)和托尔斯滕(Torsten)合二为一的约束回归框架(2016)
  19. Thomas Lenib,多功能汽车模型(2016年)
  20. Schauberger,Gunther;Tutz,Gerhard:通过增强技术检测Rasch模型中的差异项目功能(2016年)