巨大的

R中高维无向图估计的巨大软件包。我们描述了一个R包,它为从数据中估计高维无向图提供了易于使用的函数。该包实现了文献中的最新结果,包括Friedman et al.(2007)、Liu et al.(2009、2012)和Liu et al.(2010)。与现有的graph估计软件包glasso相比,该软件包具有以下特点:(1)它不使用Fortan语言,而是用C语言编写,使代码更易于移植和修改;(2) 除拟合高斯图形模型外,还提供了高维半参数高斯copula模型的拟合函数;(3) 更多的数据依赖模型选择、数据生成和图形可视化等功能;(4) 修正了图形套索算法的一个小的收敛问题;(5) 该软件包允许用户同时应用无损和有损筛选规则来放大大规模问题,在计算效率和统计效率之间进行权衡。


zbMATH中的参考文献(参考文献40篇文章,1标准件)

显示第1到第20个结果,共40个。
按年份排序(引用)
  1. 伯德,迈克尔;Nghiem,Linh H。;McGee,Monnie:具有测量误差的高斯图形模型的贝叶斯正则化(2021)
  2. Fernando Palluzzi,Mario Grassi:SEMgraph:R软件包,用于使用结构方程模型对高通量数据进行因果网络分析(2021年)阿尔十四
  3. 罗塞尔,大卫;Zwiernik,Piotr:椭圆偏相关图中的相关性(2021)
  4. 奥格利亚罗,路易吉;索蒂尔,詹卢卡;Vinciotti,Veronica:条件删失图形Lasso估计器(2020)
  5. 布特,克里斯;罗素,彼得J。;范德费尔,史蒂文;Verdonck,Tim:最小正则协方差行列式估计量(2020)
  6. Jonas M.B.Haslbeck,Lourens J.Waldorp:mgm:在高维数据中估计时变混合图形模型(2020)数学不是ZB
  7. 李天喜;钱,程;列维纳,伊利莎维塔;朱骥:基于网络连接数据的高维高斯图形模型(2020)
  8. 阿伯鲁佐,安东尼诺;伊万,武贾契奇;米诺,安杰洛·M。;Wit,Ernst C.:在惩罚高斯图形模型中选择调谐参数(2019)
  9. Julien Chiquet,Pierre Barbillon,Timothée Tabouy:missSBM:用于处理随机块模型中缺失值的R包(2019)阿尔十四
  10. 玛格丽特·罗伯茨;布兰登·斯图尔特;Dustin Tingley:stm:结构主题模型的R包(2019)数学不是ZB
  11. 米勒,多米尼克;Czado,Claudia:vine copulas和图形套索的超高维相关性建模(2019)
  12. 桑吉内蒂,吉多(编辑);Huynh Thu,V'n Anh(编辑):基因调控网络。方法和方案(2019年)
  13. 辛克莱尔,大卫;Hooker,Giles:Poisson对数正态图模型中高通量microRNA测序数据的稀疏逆协方差估计(2019年)
  14. 阿伊兹,阿伊兹;维尔达普鲁特苏奥卢;Weber,Gerhard Wilhelm:基于环的二次多元自适应回归样条是复杂生物网络高级构造的一种新方法(2018)
  15. 德维杰,埃米莉;Gallopin,Mélina:高维高斯图形模型的块对角协方差选择(2018)
  16. 埃尔南德斯,贝琳达;阿德里安·E·拉夫特里。;彭宁顿,斯蒂芬R。;Parnell,Andrew C.:使用贝叶斯模型平均的贝叶斯加性回归树(2018)
  17. 李兴国;赵拓;阿罗拉,拉曼;刘、汉;洪明义:关于强凸极小化循环块坐标下降型方法的更快收敛性(2018)
  18. 罗宝玲;Tan,Xin Lu:高维鲁棒精确矩阵估计:污染下的细胞腐败(2018)
  19. 南迪,普瑞坦;豪瑟,阿兰;Maathuis,Marloes H:基于分数和混合结构学习的高维一致性(2018)
  20. 波波维奇,戈尔达纳C。;许,弗朗西斯·K·C。;沃顿,大卫I.:离散数据协方差建模的通用算法(2018)