Jun, 2020

R 中高维无向图估计的巨型软件包

PDF
TL;DRhuge 是一个 R 软件包，提供了一些易于使用的函数，可以从数据中估计高维无向图，并提供了比 glasso 更多的特性。
r packagehigh dimensional undirected graphsgaussian graphical modelscopula modelsgraphical lasso algorithm
发现论文，激发创造
  • 高维半参数高斯族联合图模型

    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

  • 非参数正态模型：高维无向图的半参数估计

    本文介绍了非参数高斯 Copula 方法及其在高维推断中的应用，通过将变量进行平滑函数转换，取代正态假设，在估计稀疏无向图中发挥了很好的作用。

    Mar, 2009

  • 推断多个图结构

    本文提出了两种估计多个相关图的方法，并将亲密度假设转化为经验先验或组惩罚。我们提供了定量结果，证明了所提出方法的优势。该论文介绍的方法已嵌入 R 软件包'simone' 版本 1.0-0 及更高版本中。

    Dec, 2009

  • gk: g-and-k 和广义 g-and-h 分布的 R 软件包

    介绍了 gk R 包，可以用于高度偏斜或重尾数据的建模和参数推断，其中使用了 g-and-k 和（generalised）g-and-h 分布，主要关注于其分布函数和推断算法。

    Jun, 2017

  • 用于参数估计因果效应的 R 软件包

    该研究介绍了 R 包 CausalModels 的使用，旨在提供一些结构模型，以解决因果推断的统计分析问题，并为因果效应的估计提供多种常用方法，包括标准化、IP 加权、G 估计、结果回归、工具变量和倾向匹配。

    Jul, 2023

  • 高维半参数回归的似然比框架

    提出一种基于似然比的高维半参数广义线性模型的推理框架，包括使用规则化统计制备模型、构建后规则化的置信区间和测试、发展新的浓缩不等式和正态逼近结果，以及应用于缺失数据问题的示例。

    Dec, 2014

  • 海量社交图快速可扩展分析

    本研究旨在探讨如何在当今大规模图形上开展可扩展性的图形处理，提出了一种新的图形坐标系统的设计空间，即通过将图嵌入到坐标空间的方式精确地近似节点距离，从而实现常数时间内的距离查询和最短路径查询，在 43 百万个节点的图中能提供更准确的结果，且可以很容易地扩展到定位节点对之间的最短路径，解决了大规模图形分析的难题。

    Jul, 2011

  • 高维半参数潜在图模型中的混合数据

    本文提出了一种名为潜在高斯 Copula 模型的半参数模型，用于建模二元和混合数据的多元统计学习。

    Apr, 2014

  • 异质图模的同时聚类与估计

    本文提出了一种基于高维 Expectation Conditional Maximization 算法的、能够在估计异构性图模型的同时学习群集结构的方法，通过在条件极大化步骤中施加联合图套索惩罚来提取所有群集中的同质性和异质性组件来实现学习群集结构，算法具有计算效率并且可以在不需要无监督学习知识的情况下实现，并通过广泛实验和应用于 Glioblastoma 癌症数据集揭示了对 Glioblastoma 癌症的新见解。

    Nov, 2016

  • 高维推断：置信区间，p - 值和 R 软件 hdi

    本文介绍最近高维模型频率派推断方法的综述，包括对线性模型和广义线性模型 $ p $- 值和置信区间构建的比较实证研究，同时还介绍并说明了 R 包 hdi 的使用以及其支持的各种方法和再现性。

    Aug, 2014