R语言 sparseLTSEigen包 sparseLTSEigen-package()函数中文帮助文档(中英文对照)

loveR

sparseLTSEigen-package(sparseLTSEigen)
sparseLTSEigen-package()所属R语言包：sparseLTSEigen

                                         RcppEigen back end for sparse least trimmed squares regression
                                         RcppEigen后端稀疏至少修剪最小二乘回归的

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Use RcppEigen to fit least trimmed squares regression models with an L1 penalty in order to obtain sparse models.
您可以使用RcppEigen，以适应至少修剪最小二乘回归模型的L1惩罚，以获得稀疏模型。


Details

详细信息----------Details----------

Index:
指数：


注意----------Note----------

Package sparseLTSEigen provides an alternative back end for sparse least  trimmed squares regression from package robustHD.  The back end built  into robustHD uses the C++ library Armadillo, whereas this back end uses  the C++ library Eigen.  The latter is faster, but not available on all  platforms.  For instance, sparseLTSEigen currently does not work on  32-bit R for Windows.  In addition, there is currently no binary package for  OS X available on CRAN due to problems with the PowerPC  architecture.  Nevertheless, OS X users with Intel machines can install  RcppEigen and sparseLTSEigen from source if the standard R  developer tools are installed.
套件sparseLTSEigen提供了另一种后端为稀疏至少修剪最小二乘回归从包robustHD。内置的后端robustHD使用C + +库犰狳，而这个后端使用C + +库的特征值。后者速度较快，但并不适用于所有平台。例如，sparseLTSEigen目前不用于Windows的32位R。此外，目前在CRAN OS X PowerPC架构的问题，由于没有二进制包。然而，与Intel的机器可以安装OS X用户RcppEigen和sparseLTSEigen源标准的R开发工具的安装。

When sparseLTSEigen is loaded, its back end is used automatically for  sparse least trimmed squares regression, except on 32-bit R for Windows.
当sparseLTSEigen被加载，自动使用其后端稀疏至少修剪最小二乘回归，除了适用于Windows的32位R。


（作者）----------Author(s)----------



Andreas Alfons

Maintainer: Andreas Alfons <andreas.alfons@econ.kuleuven.be>




实例----------Examples----------


## generate data[＃生成数据]
library("mvtnorm")
set.seed(1234)  # for reproducibility[可重复性]
n <- 100  # number of observations[的观测数]
p <- 200  # number of variables[的变量数目]
beta <- rep.int(c(1, 0), c(5, p-5))  # coefficients[系数]
sigma <- 0.5      # controls signal-to-noise ratio[控制的信号 - 噪声比]
epsilon <- 0.1    # contamination level[污染水平]
Sigma <- 0.5^t(sapply(1:p, function(i, j) abs(i-j), 1:p))
x &lt;- rmvnorm(n, sigma=Sigma)    # predictor matrix[预测矩阵]
e &lt;- rnorm(n)                   # error terms[误差项]
i &lt;- 1:ceiling(epsilon*n)       # observations to be contaminated[受到污染的意见]
e[i] &lt;- e[i] + 5                # vertical outliers[垂直离群]
y &lt;- c(x %*% beta + sigma * e)  # response[响应]
x[i,] &lt;- x[i,] + 5              # bad leverage points[坏的平衡点]

## fit sparse LTS model[＃适合稀疏LTS模型]
# since package sparseLTSEigen is loaded, its back end based on [因为包sparseLTSEigen被加载后，其后端的基础上]
# the C++ library Eigen is used rather than the back end built [C + +库的特征值，而不是使用内置后端]
# into package robustHD, except on 32-bit R for Windows[，到包装robustHD，除了适用于Windows的32位R]
fit <- sparseLTS(x, y, lambda = 0.05, mode = "fraction")
coef(fit, zeros = FALSE)

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。
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。