带刺Reg swMATH ID: 14821 软件作者： 皮埃尔·拉图什（Pierre Latouche）；Pierre-Alexandre马泰；查尔斯·布维伦（Charles Bouveyron）；朱利安·奇奎特 描述： 将松弛EM算法与奥卡姆剃刀相结合，用于高维回归中的贝叶斯变量选择。我们解决了高维线性回归的贝叶斯变量选择问题。我们考虑一个生成模型，该模型使用一个尖峰和标签状的先验分布，该先验分布是通过将一个确定的二元向量与一个随机高斯参数向量相乘而获得的，这将导致问题的稀疏性。这项工作的创意在于通过放松模型并使用基于EM算法的II型对数似然最大化来考虑推理。然后，根据Occam剃刀和EM算法找到的模型路径进行模型选择。本文报告了我们的spinyReg方法与最先进的高维变量选择算法（如套索、自适应套索、稳定性选择或spike-and-slab程序）之间的数值比较。在模拟和实际基准数据集上都获得了竞争变量选择结果和预测性能。还介绍了一个原始回归数据集，该数据集使用自行车共享系统数据预测巴黎奥赛博物馆的游客数量，说明了该方法的效率。CRAN上提供了实现本文所提方法的R包spinyReg。 主页： https://cran.r-project.org/web/packages/spinyReg/index.html 源代码： https://github.com/cran/spinyReg网站 依赖项： 对 关键词： EM算法；高维数据；线性回归；奥卡姆剃刀；钉子和实验室；变量选择 相关软件： EMVS公司；PRMLT公司；对；美国食品药品监督管理局（R）；阿波罗3；国际化学委员会；BVSNLP公司；贝叶斯逻辑；github；PCANet公司；反应omePA；GSPPCA公司；算法644；博拉索；尖刺实验室；PDCO公司；LBFGS-B型；CRAN（起重机）；FUNTA公司；rFUNTA公司 引用于： 4文件 全部的 前5名9位作者引用 2 查尔斯·布维伦 2 皮埃尔·拉图什 2 Pierre-Alexandre马泰 1 朱利安·奇奎特 1 阿尔多·戈亚 1 菲利普·维尤 1 徐爽 1 张春霞 1 张江舍 3篇连载文章中引用 2 多元分析杂志 1 计算统计与数据分析 1 电子统计杂志 在2个字段中引用 4 统计学（62-XX） 1 总体主题；集合（00-XX） 按年份列出的引文