SMLE：用于超高维广义线性模型联合特征筛选的 R 包
其他统计学
2022-01-11 v1 应用统计
摘要
稀疏约束极大似然估计量（SMLE）在超高维回归的特征筛选中受到相当关注。SMLE 是一种计算便捷的方法，在筛选过程中自然纳入了特征间的联合效应。我们开发了公开可用的 R 包 SMLE，为在广义线性模型中执行 SMLE 提供用户友好环境。具体而言，该包包含使用 SMLE 进行筛选以及结合 AIC 与（扩展）BIC 等常用准则进行筛选后选择的函数。该包使用户能灵活控制一系列筛选参数，并支持数值型与分类型特征输入。包的使用通过大量数值示例加以说明，其中 SMLE 的良好性能得到充分印证。
引用
@article{arxiv.2201.03512,
title = {SMLE: An R Package for Joint Feature Screening in Ultrahigh-dimensional GLMs},
author = {Qianxiang Zang and Chen Xu and Kelly Burkett},
journal= {arXiv preprint arXiv:2201.03512},
year = {2022}
}