SGL(SGL)
SGL()所属R语言包：SGL
Fit a GLM with a combination of lasso and group lasso regularization
适合一个GLM的套索，套索正规化组相结合
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Fit a regularized generalized linear model via penalized maximum likelihood. The model is fit for a path of values of the penalty parameter. Fits linear, logistic and Cox models.
适合正规化广义线性模型通过惩罚最大似然。该模型是适合的惩罚参数的值的路径。适用于线性，MF和Cox模型。
用法----------Usage----------
SGL(data, index, type = "linear", maxit = 1000, thresh = 0.001, min.frac = 0.1, nlam = 20, gamma = 0.8, standardize = TRUE, verbose = FALSE, step = 1, reset = 10, alpha = 0.95, lambdas = NULL)
参数----------Arguments----------
参数：data
For type="linear" should be a list with $x$ an input matrix of dimension n-obs by p-vars, and $y$ a length $n$ response vector. For type="logit" should be a list with $x$, an input matrix, as before, and $y$ a length $n$ binary response vector. For type="cox" should be a list with x as before, time, an n-vector corresponding to failure/censor times, and status, an n-vector indicating failure (1) or censoring (0).
对于type="linear"应该是一个列表，$ X $输入矩阵的维N-OBS对增值分销商，和$ Y $的长度为$ n $响应向量。对于type="logit"应该是一个列表$ X $，输入矩阵，和以前一样，和$ y $的长度$ n $的二进制响应向量。对于type="cox"应与x是一个列表，像以前一样，time，对应于故障的n矢量/检查员倍，和status，一个n矢量表示失败（1）或设限（0）。
参数：index
A p-vector indicating group membership of each covariate
一个P-矢量表示组成员的每个协
参数：type
model type: one of ("linear","logit", "cox")
（“线性”，“的罗吉特”，“考克斯”）模型类型：
参数：maxit
Maximum number of iterations to convergence
最大迭代次数收敛
参数：thresh
Convergence threshold for change in beta
收敛阈值处于测试阶段的变化
参数：min.frac
The minimum value of the penalty parameter, as a fraction of the maximum value
罚参数的最小值，作为最大值的一小部分
参数：nlam
Number of lambda to use in the regularization path
号码的lambda使用的规范化路径
参数：gamma
Fitting parameter used for tuning backtracking (between 0 and 1)
拟合参数用于调整回溯（0和1之间）
参数：standardize
Logical flag for variable standardization prior to fitting the model.
逻辑标志变量标准化拟合模型之前。
参数：verbose
Logical flag for whether or not step number will be output
逻辑标志是否步数，将输出
参数：step
Fitting parameter used for inital backtracking step size (between 0 and 1)
拟合参数用于>初始回溯步长（在0和1之间）
参数：reset
Fitting parameter used for taking advantage of local strong convexity in nesterov momentum (number of iterations before momentum term is reset)
拟合参数用于利用当地的强凸涅斯捷罗夫势头（迭代次数动量项是复位前）
参数：alpha
The mixing parameter. alpha = 1 is the lasso penalty. alpha = 0 is the group lasso penalty.
混合参数。 alpha= 1是的套索处罚。 alpha= 0是组套索惩罚的。
参数：lambdas
A user specified sequence of lambda values for fitting. We recommend leaving this NULL and letting SGL self-select values
用户自定义的装配序列的λ值。我们建议保留这个NULL，让SGL自我选择的值
Details
详细信息----------Details----------
The sequence of models along the regularization path is fit by accelerated generalized gradient descent.
序列正规化路径的模型适合的广义梯度下降加速。
值----------Value----------
An object with S3 class "SGL"
对象与S3类"SGL"
参数：beta
A p by nlam matrix, giving the penalized MLEs for the nlam different models, where the index corresponds to the penalty parameter lambda
的pnlam矩阵，给予惩罚最大似然估计的nlam不同的车型，该指数对应的惩罚参数lambda的
参数：lambdas
The actual sequence of lambda values used (penalty parameter)
lambda实际的序列值使用（刑罚参数）
参数：type
Response type (linear/logic/cox)
响应类型（线性/逻辑/ COX）
参数：intercept
For some model types, an intercept is fit
对于某些类型的模型，拦截是合适的
参数：X.transform
A list used in predict which gives the empirical mean and variance of the x matrix used to build the model
列表predict给出了实证的X矩阵用于建立模型的均值和方差
参数：lambdas
A user specified sequence of lambda values for fitting. We recommend leaving this NULL and letting SGL self-select values
用户自定义的装配序列的λ值。我们建议保留这个NULL，让SGL自我选择的值
（作者）----------Author(s)----------
Noah Simon, Jerry Friedman, Trevor Hastie, and Rob Tibshirani<br>
Maintainer: Noah Simon <a href="mailto:nsimon@stanford.edu">nsimon@stanford.edu</a>
参考文献----------References----------
A Sparse-Group Lasso, <br> http://www-stat.stanford.edu/~nsimon/SGL.pdf
参见----------See Also----------
cv.SGL
cv.SGL
实例----------Examples----------
n = 50; p = 100; size.groups = 10
index <- ceiling(1:p / size.groups)
X = matrix(rnorm(n * p), ncol = p, nrow = n)
beta = (-2:2)
y = X[,1:5] %*% beta + 0.1*rnorm(n)
data = list(x = X, y = y)
fit = SGL(data, index, type = "linear")
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-30 01:47:02
