gk: g-and-k 和广义 g-and-h 分布的 R 软件包
本文提出了一个非参数条件分布族,使用适当的 RKHS 中的函数参数来推广条件指数族;给出了一个学习广义自然参数的算法,并在特定情况下建立了估计的一致性。在实验中,新方法通常优于具有一致性保证的竞争方法,并在表现突变和异方差性的数据集上与深度条件密度模型具有竞争力。
Nov, 2017
介绍了广义双曲线分布的混合模型,相对于高斯混合分布以及其中的多元 t 分布和偏 t 分布,具有一定的优势性能。通过仿真和真实数据,展示了其在参数估计、聚类以及密度估计中的应用和效能。
May, 2013
利用扩展的再生核希尔伯特空间(RKHS)理论建立了一个新的框架,可以对功能响应进行函数回归模型建模。该方法只假定一般非线性回归结构,而不是以前研究过的线性回归模型,并提出了广义交叉验证(GCV)来进行自动平滑参数估计。新的 RKHS 估计方法在模拟和实际数据上进行了应用。
Feb, 2007
本文对多元偏态正态分布进行了探讨,分析了概率性质和统计学相关性,讨论了推理和其他统计问题,并通过数值例子进行了应用。最后,介绍了一种引入椭圆密度偏斜因素的进一步扩展。
Nov, 2009
我们提出了几种精确和近似的数学方法和开源软件来计算广义卡方分布的累积分布函数、概率密度函数和反函数累积分布函数,该分布在贝叶斯分类问题中出现。我们比较了这些方法与现有最佳方法之间的准确性和速度。
Apr, 2024
本文针对广义线性模型的超参数,对其进行了推广,在灵活性上做了优化。任何连续的适当的超先验 f(g)都可以使用,引出了大量的超 - g 先验。本文提出了联合 Laplace 近似方法,可以快速而准确地推理模型的后验分布,同时提出了一种高效的且无需调参的 Metropolis-Hastings 采样算法。通过使用 Pima Indians 糖尿病数据集,说明了变量选择和自动协变量转换的方法。
Aug, 2010
“QuadratiK 软件包” 介绍了创新的数据分析方法,为统计学和机器学习领域提供了广泛的拟合度量和聚类技术,特别注意它在球形数据上的独特聚类算法。
Feb, 2024
该论文介绍了 kedd 包,这是 R 统计系统的一个补充,提供了更多的平滑技术,其主要特征包括四个方面:计算核功能的卷积和导数、计算概率密度的核估计量及其导数、使用不同的方法计算带宽选择器、显示带宽的核估计函数和选择函数。
Dec, 2020
本文提出了一种名为 “非参数鸟瞰者” 的半参数方法,用于高效且鲁棒地估计高维无向图模型;该方法采用了 高斯 Copula 图模型 以及 Spearman's rho 和 Kendall's tau 这些非参数秩相关系数估计器,以实现建模的灵活性和估计的鲁棒性。
Feb, 2012