GLMNET

R包GLMNET:LasSO和弹性网络正则化广义线性模型。用于线性回归、Logistic和多项式回归模型、泊松回归和Cox模型拟合整个套索或弹性网正则化路径的非常有效的过程。最近增加的两个是多响应高斯和分组多项式。该算法采用循环坐标下降的路径方式,如下面列出的文件中所描述的。


ZBMaX中的参考文献(411篇)1标准条款

显示结果1至20的411。
按年份排序(引文
  1. Boehmke,Brad;格林威尔,Brandon M.:用R(2020)进行机器学习
  2. 曹,Xuan;Khare,Kshitij;Ghosh,马来:回归中分层非局部先验的高维后验一致性(2020)
  3. Choiruddin,Achmad;Cuevas Pacheco,弗朗西斯科;Coeurjolly,让弗兰弗兰;WaaGeEff森,RasMu:高度多元对数Gaussian Cox过程的正则化估计(2020)
  4. 范剑青,柯,元;王,凯正:因子调整正规化模型选择(2020)
  5. 冯,杨;刘,清丰;OkUI,RYO:关于Malver模型平均估计量的稀疏性(2020)
  6. FurMa CZYK,Konrad;Rejchel,WojiCe:多维测试激励下的高维线性模型选择(2020)
  7. 黄,伊敏;Kong,Xiangshun;Ai,明姚:稀疏线性模型的最优设计(2020)
  8. Lai,Yuanhao;麦克劳德,伊恩:集合分位数分类器(2020)
  9. 庞,Tongyao;吴,Chunlin;刘,Zhifang:紧框架平衡模型下稀疏逼近的三次样条罚分(2020)
  10. 余庆、麦、青:差分网络分析的有效计算及其在二次判别分析中的应用(2020)
  11. PasCH,康斯坦丁;Arbeiter,马希米莲;Piz,Juergen:线性回归模型中变量选择的Bayes方法(2020)
  12. Rachael C. Aikens、Joseph Rigdon、Justin Lee、Michael Baiocchi、Jonathan Chen:R中的分层导频匹配:StimaTaCH封装(2020)阿西夫
  13. 任,Sheng;Kang,Emily L.;卢,Jason L.:McEN:高维多项式回归的同时变量选择和聚类方法(2020)
  14. Sayan Putatunda,Dayananda Ubrangala,Kiran Rama,Ravi Kondapalli:DRUNVEML:无人驾驶机器学习的R包(2020)阿西夫
  15. 施密德,马蒂亚斯;Welchowski,托马斯;怀特,Marvin N.;伯杰,莫里兹:Helelg距离决策树的离散生存森林(2020)
  16. 唐,卢;周,凌;宋,彼得X.K.:通过置信分布在广义线性模型中同时分布推理(2020)
  17. 塔尔迪维尔,Patrick J. C.;Servion,Remi.;协和,Ddie:低维上Laso和Langes估计的简单表达式(2020)
  18. 王,范;穆克吉,萨赫;理查德森,希尔维亚;Hill,Steven M.:实践中的高维回归:有限样本预测、变量选择和排序的实证研究(2020)
  19. 温克勒,Joab R.;Mitrouli,MalelaN:回归和特征选择的条件估计(2020)
  20. 吴,Ho Hsiang;费雷拉,Marco A. R.;Elkhouly,穆罕默德;冀,铁明:广义线性模型中变量选择的超非局部先验(2020)