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(参考文献511篇文章,1标准件)

显示511的结果1到20。
按年份排序(引用)

1 2 ... 24 25 26 下一个

  1. 白,雷;马来人Ghosh:高维贝叶斯回归模型中尺度参数的beta素数先验(2021)
  2. Bak,Kwan Young;郑在焕;李俊军;申在京;Koo,Ja Yong:使用总变差惩罚的对数样条密度估计(2021年)
  3. 陈廷辉;查特吉,尼兰詹;兰迪,玛丽亚·特蕾莎;石建新:基于全基因组关联研究和外部信息的多基因风险模型构建的惩罚回归框架(2021)
  4. 穆拉特将军;厄兹卡莱,M.瑞文:高维线性模型中GO估计量的使用(2021)
  5. 瓜斯塔维诺南部。;Benvenuto,F.:图像饱和的数学模型及其在通过自适应稀疏反褶积恢复太阳图像中的应用(2021年)
  6. 古哈,沙米斯塔;Rodriguez,Abel:无向网络预测的贝叶斯回归及其在脑连接组数据中的应用(2021)
  7. 黄世亭;谢方;Lederer,Johannes:高维广义线性模型的调整自由岭估计(2021)
  8. Jakob A.Dambon,Fabio Sigrist,Reinhard Furrer:varycoef:基于高斯过程的空间变系数模型的R包(2021)阿尔十四
  9. Lahiri,SoumendraN:高维套索变量选择一致性的充要条件(2021)
  10. 马少辉;菲尔德斯,罗伯特:零售销售预测与元学习(2021)
  11. 米什拉,阿迪提亚;戴伊,迪帕克·K。;陈勇;稀疏因子(陈坤,2021)
  12. 潘小欧;孙强;周文新:迭代重加权(\ell1)-惩罚稳健回归(2021)
  13. 公园,群雄;月亮,桑君;西昂公园;Jeon,Jong-June:通过(\ell-1)-正则化回归学习高维线性结构方程模型(2021)
  14. 彼得罗萨努,马修;高、绝育;孔、玲珑;江北;Niu,Di:惩罚分位数和复合分位数回归的高级算法(2021)
  15. 舒尔泰斯,克里斯托夫;勒诺,克劳德;Bühlmann,Peter:高维后选择推理的多carving(2021)
  16. 斯塔克,基督徒;卡特里,玛丽亚;Ntzoufras,Ioannis:通过低维自适应学习实现高维变量选择(2021)
  17. Suchit Mehrotra,Arnab Maity:收缩先验的变分推断:R包vir(2021)阿尔十四
  18. 孙若愚;叶银玉:循环坐标下降的最坏情况复杂性:(O(n^2))与随机版本的差距(2021)
  19. 范贝尔,詹特;枪,头饰;韦贝克,伍特:利用共享销售数据预测多级供应链中的批发商需求(2021年)
  20. 维什瓦卡玛,加詹德拉K。;托马斯,阿宾;Bhattacharjee,Atanu:使用蛋白质表达数据选择蛋白质预测结果的权重函数方法(2021)

1 2 ... 24 25 26 下一个