俱乐部瓦塞尔

R包clustvarsel：基于模型聚类的变量选择。一种实现基于模型聚类的变量选择方法的函数，它允许在具有组/聚类信息的数据集中找到（局部）最优变量子集。贪婪或草率的搜索，可以在向前向后或向后向前的方向上使用，在分层聚类阶段有或没有子采样来启动Mclust模型。默认情况下，该算法使用顺序搜索，但也可以进行并行化。

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（引用于，1标准件)

显示第1到16个结果，共16个。
按年份排序(引用)

  1. Marbac，Matthieu；Sedki，Mohammed；Patin，Tienne:混合数据聚类的变量选择：在人类群体基因组学中的应用（2020）
  2. Celeux，Gilles；Maugis Rabusseau，Cathy；Sedki，Mohammed:Regulation approach基于模型的聚类和判别分析中的变量选择（2019）
  3. Crook，Oliver M.；Gatto，Laurent；Kirk，Paul D.W.：Dirichlet过程混合物中变量选择的快速近似推断，及其在泛癌蛋白质组学中的应用（2019）
  4. Fop，Michael；Murphy，Thomas Brendan：基于模型聚类的变量选择方法（2018）
  5. Galimberti，Giuliano；Manisi，Annamaria；Soffritti，Gabriele：基于模型的聚类分析中变量的作用建模（2018）
  6. Luca Scrucca；Adrian Raftery:clustvarsel:A Package Implementing Variable Selection for Gaussian Model Based Clustering in R（2018年）不是zbMATH
  7. Wallace，Meredith L.；Buysse，Daniel J.；Germain，Anne；Hall，Martica H.；Iyengar，Satish:倾斜模型聚类的变量选择：应用于新睡眠表型的识别（2018）
  8. Marbac，Matthieu；Sedki，Mohammed:使用综合完全数据似然法进行基于模型聚类的变量选择（2017）
  9. McNicholas，Paul D.：基于模型的聚类（2016）
  10. Morris，Katherine；McNicholas，Paul D.：基于广义双曲混合的聚类、分类、判别分析和降维（2016）
  11. Andrews，Jeffrey L.；McNicholas，Paul D.：聚类和分类的变量选择（2014）
  12. Morris，Katherine；McNicholas，Paul D.；Scruca，Luca:通过多元（t）分布混合分布对基于模型的聚类进行降维（2013）
  13. Vahid Nia；Anthony Davison:带变量选择的高维贝叶斯聚类：R包bclust（2012）不是zbMATH
  14. Andrews，Jeffrey L.；Mcnicholas，Paul D.：扩展多元（t）因子分析的混合物（2011）
  15. Andrews，Jeffrey L.；McNicholas，Paul D.：扩展多元（t）因子分析的混合物（2011）
  16. McNicholas，P.D.；Murphy，T.B.；McDaid，A.F.；Frost，D.：通过简约高斯混合模型实现基于模型的聚类的串行和并行实现（2010）