milr:带有LASSO惩罚的多实例Logistic回归
多实例数据集由许多独立的受试者(称为袋子),每个受试者由几个部分组成(称为实例)。这些数据集的结果是二元或分类响应,而且,我们只能观察主题层面的结果。例如,在制造业过程中,如果主体自身至少有一个,则标记为“有缺陷”组件有缺陷,否则标记为“无缺陷”。这个“milr”包侧重于多实例的预测模型具有二进制结果的数据集并执行最大似然估计逻辑框架下的期望最大化算法回归。此外,LASSO惩罚附加在似然函数上用于同时进行参数估计和变量选择。
版本: |
0.3.1 |
取决于: |
R(≥3.2.3) |
进口: |
实用程序,风笛R(≥ 0.5),数字派生,格尔姆奈特,卢比(≥ 0.12.0),Rcpp并行 |
链接到: |
卢比,Rcpp Armadillo,Rcpp并行 |
建议: |
测试那个,针织物,Hmisc公司,市场营销,数据表,ggplot2,普利尔 |
出版: |
2020-10-31 |
作者: |
陈平阳[aut,cre],陈清川[aut],杨春浩[aut],盛茂昌[aut] |
维护人员: |
陈平阳(Ping-Yang Chen)<pychen.Ping at gmail.com> |
错误报告: |
https://github.com/PingYangChen/milr/issues |
许可证: |
麻省理工学院+文件许可证 |
网址: |
https://github.com/PingYangChen/millr |
需要编译: |
对 |
系统要求: |
GNU制造 |
CRAN检查: |
密耳结果 |
文档:
下载内容:
链接:
请使用规范形式https://CRAN.R-project.org/package=milr链接到此页面。