• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Discussion of 'Regularized Regression for Categorical Data'.

作者信息

Shepherd Bryan E, Liu Qi

机构信息

Department of Biostatistics, Vanderbilt University School of Medicine, Nashville, TN, USA.

出版信息

Stat Modelling. 2016 Jun;16(3):238-248. doi: 10.1177/1471082x16645694. Epub 2016 Jun 27.

DOI:10.1177/1471082x16645694
PMID:28239293
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC5319706/
Abstract
摘要

相似文献

1
Discussion of 'Regularized Regression for Categorical Data'.《分类数据的正则化回归》讨论
Stat Modelling. 2016 Jun;16(3):238-248. doi: 10.1177/1471082x16645694. Epub 2016 Jun 27.
2
A scoping review of 'big data', 'informatics', and 'bioinformatics' in the animal health and veterinary medical literature.动物健康与兽医学文献中“大数据”“信息学”及“生物信息学”的范围综述
Anim Health Res Rev. 2019 Jun;20(1):1-18. doi: 10.1017/S1466252319000136.
3
Better prediction by use of co-data: adaptive group-regularized ridge regression.使用协数据进行更好的预测：自适应组正则化岭回归。
Stat Med. 2016 Feb 10;35(3):368-81. doi: 10.1002/sim.6732. Epub 2015 Sep 13.
4
Efficient Exploration of Many Variables and Interactions Using Regularized Regression.使用正则化回归高效探索多个变量和交互作用。
Prev Sci. 2019 May;20(4):575-584. doi: 10.1007/s11121-018-0963-9.
5
Discussion of 'Statistical inference for streamed longitudinal data'.关于“流式纵向数据的统计推断”的讨论
Biometrika. 2023 Nov 15;110(4):867-869. doi: 10.1093/biomet/asad043. eCollection 2023 Dec.
6
Estimation of Genomic Breed Composition for Purebred and Crossbred Animals Using Sparsely Regularized Admixture Models.使用稀疏正则化混合模型估计纯种和杂交动物的基因组品种组成
Front Genet. 2020 Jun 11;11:576. doi: 10.3389/fgene.2020.00576. eCollection 2020.
7
Network-Regularized Sparse Logistic Regression Models for Clinical Risk Prediction and Biomarker Discovery.用于临床风险预测和生物标志物发现的基于网络正则化稀疏逻辑回归模型。
IEEE/ACM Trans Comput Biol Bioinform. 2018 May-Jun;15(3):944-953. doi: 10.1109/TCBB.2016.2640303. Epub 2016 Dec 15.
8
The effects of green building on construction waste minimization: Triangulating 'big data' with 'thick data'.绿色建筑对减少建筑废弃物的影响：“大数据”与“厚数据”的三角分析。
Waste Manag. 2018 Sep;79:142-152. doi: 10.1016/j.wasman.2018.07.030. Epub 2018 Jul 25.
9
Advancing biomarker research: utilizing 'Big Data' approaches for the characterization and prevention of bipolar disorder.推进生物标志物研究：利用“大数据”方法对双相情感障碍进行特征描述与预防。
Bipolar Disord. 2014 Aug;16(5):531-47. doi: 10.1111/bdi.12162. Epub 2013 Dec 16.
10
Regularized logistic regression with adjusted adaptive elastic net for gene selection in high dimensional cancer classification.用于高维癌症分类中基因选择的带调整自适应弹性网络的正则化逻辑回归
Comput Biol Med. 2015 Dec 1;67:136-45. doi: 10.1016/j.compbiomed.2015.10.008. Epub 2015 Oct 24.

引用本文的文献

1
Identifying relevant intersections in relation to motivation and attempt to stop smoking by using a combination of methods to develop robust predictive models and resampling techniques: A cross-sectional study of the German population.通过结合多种方法来开发强大的预测模型和重采样技术，识别与动机及戒烟尝试相关的关联点：一项针对德国人群的横断面研究。
Addiction. 2025 Mar 21. doi: 10.1111/add.70045.
2
Similarity-Based Predictive Models: Sensitivity Analysis and a Biological Application with Multi-Attributes.基于相似性的预测模型：敏感性分析及多属性的生物学应用
Biology (Basel). 2023 Jul 4;12(7):959. doi: 10.3390/biology12070959.
3

本文引用的文献

1
Covariate-adjusted Spearman's rank correlation with probability-scale residuals.协变量调整后的Spearman等级相关性与概率尺度残差。
Biometrics. 2018 Jun;74(2):595-605. doi: 10.1111/biom.12812. Epub 2017 Nov 13.
2
Probability-scale residuals for continuous, discrete, and censored data.连续、离散和删失数据的概率尺度残差。
Can J Stat. 2016 Dec;44(4):463-479. doi: 10.1002/cjs.11302. Epub 2016 Aug 24.
3
A new residual for ordinal outcomes.一种用于有序结局的新残差。
Regularization approaches in clinical biostatistics: A review of methods and their applications.
临床生物统计学中的正则化方法：方法综述及其应用。
Stat Methods Med Res. 2023 Feb;32(2):425-440. doi: 10.1177/09622802221133557. Epub 2022 Nov 16.
4
Ordinal state-trait regression for intensive longitudinal data.有序状态-特质回归分析在密集型纵向数据中的应用。
Br J Math Stat Psychol. 2023 Feb;76(1):1-19. doi: 10.1111/bmsp.12285. Epub 2022 Sep 8.
5
Assigning scores for ordered categorical responses.为有序分类回答赋值。
J Appl Stat. 2019 Oct 9;47(7):1261-1281. doi: 10.1080/02664763.2019.1674790. eCollection 2020.
6
Statistical inference for ordinal predictors in generalized additive models with application to Bronchopulmonary Dysplasia.广义加性模型中有序预测因子的统计推断及其在支气管肺发育不良中的应用。
BMC Res Notes. 2022 Mar 22;15(1):112. doi: 10.1186/s13104-022-05995-4.
7
Regularized Ordinal Regression and the ordinalNet R Package.正则化有序回归与ordinalNet R包。
J Stat Softw. 2021 Sep;99(6). doi: 10.18637/jss.v099.i06.
8
Regularized Latent Class Analysis for Polytomous Item Responses: An Application to SPM-LS Data.多分类项目反应的正则化潜在类别分析：在SPM-LS数据中的应用
J Intell. 2020 Aug 14;8(3):30. doi: 10.3390/jintelligence8030030.
9
Identification of hospital cost drivers using sparse group lasso.使用稀疏群组套索法识别医院成本驱动因素。
PLoS One. 2018 Oct 10;13(10):e0204300. doi: 10.1371/journal.pone.0204300. eCollection 2018.
Biometrika. 2012 Jun;99(2):473-480. doi: 10.1093/biomet/asr073. Epub 2012 Mar 30.
4
Test of Association Between Two Ordinal Variables While Adjusting for Covariates.在调整协变量的情况下对两个有序变量之间的关联性进行检验。
J Am Stat Assoc. 2010 Jun 1;105(490):612-620. doi: 10.1198/jasa.2010.tm09386.