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。


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)