glmnet公司

R包glmnet:套索和弹性网正则化广义线性模型。对于线性回归、logistic回归和多项式回归模型、poisson回归和Cox模型,拟合整个套索或弹性网络正则化路径的非常有效的程序。最近增加的两个函数是多响应高斯函数和分组多项式。该算法以路径方式使用循环坐标下降,如下文所述。


zbMATH中的参考文献(引用于 426篇文章,1标准件)

显示426个结果中的1到20个。
按年份排序(引用)

1 2 ... 20 21 22 下一个

  1. Bertsimas,Dimitris;van Parys,Bart:稀疏高维回归:精确可伸缩算法和相变(2020)
  2. Boehmke,Brad;Greenwell,Brandon M.:使用R进行实际操作的机器学习(2020)
  3. 温灿红,张爱军,权世杰,王雪芹:线性、Logistic和Cox比例风险模型中最优子集选择的R包(2020)不是zbMATH
  4. Cao,Xuan;Khare,Kshitij;Ghosh,Malay:回归中分层非局部先验的高维后验一致性(2020)
  5. Chavez,Gordon V.:具有对数拉普拉斯波动率的动态尾部推断(2020年)
  6. 陈克东;李,威廉;王思建:强遗传约束下变量选择的一种易于实现的层次标准化(2020)
  7. Choiruddin,Achmad;Cuevas Pacheco,Francisco;Coeurly,Jean-Francoçois;Waagepetersen,Rasmus:高多元对数高斯Cox过程的正则估计(2020年)
  8. 范建青;柯元;王开正:因子调整正则化模型选择(2020)
  9. Feng,Yang;Liu,Qingfeng;Okui,Ryo:关于Mallows模型平均估计量的稀疏性(2020)
  10. Furmanëczyk,Konrad;Rejchel,Wojciech:由多重测试驱动的高维线性模型选择(2020)
  11. 戈尔德,大卫;莱德勒,约翰内斯;陶,静:高维工具变量回归的推论(2020)
  12. 黄益民;孔祥顺;艾明耀:稀疏线性模型的最优设计(2020)
  13. Jeon,Jong-June;Kim,Yongdai;Won,Sungho;Choi,Hosik:成分数据分析的原始路径算法(2020)
  14. 赖元浩;麦克劳德,伊恩:集合分位数分类器(2020)
  15. 刘文臣;唐银才;吴先义:分离变量加速非凸正则优化(2020)
  16. Mainak Jas;Titipat Achakulvisut;Aid Idrizović;Daniel E.Acuna;Matthew Antalek;Vinicius Marques;Tommy Odland;Ravi Prakash Garg;Mayank Agrawal;Yu Umegaki;Peter Foley;Hugo L Fernandes;Drew Harris;Beibin Li;Olivier Pieters;Scott Otterson;Giovanni De Toni;克里斯罗杰斯;Eva Dyer;Matti Hamalainen;Konrad Kording;Pavan Ramkumar:Pyglmnet:弹性网络正则化广义线性模型的Python实现(2020)不是zbMATH
  17. Oda,Ryoya;Yanagihara,Hirokazu:具有大量解释变量的高维多元线性回归的快速一致变量选择方法(2020)
  18. 庞同尧;吴春林;刘志芳:紧框架平衡模型下稀疏逼近的三次样条罚函数(2020)
  19. 潘玉清;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)
  20. Piironen,Juho;Paasiniemi,Markus;Vehtari,Aki:高维问题中的投射推理:预测和特征选择(2020)

1 2 ... 20 21 22 下一个