कुछ प्रश्न हैं जो इस प्रश्न से निपटते हैं। मैं किसी विशेष क्रम में नहीं देखूंगा:
पेन.एलएमई: हॉवर्ड डी बॉन्डेल, अरुण कृष्णा, और सुजीत के घोष। रैखिक मिश्रित-ईयर्स मॉडल में फिक्स्ड और रैंडम ईईएस के लिए संयुक्त वेरिएबल चयन। बॉयोमीट्रिक्स, 66 (4): 1069-1077, 2010।
GLMMLASSO: जुर्ग स्केल्डोर्फर, पीटर बुहल्मन, सारा वैन डे जेर। L1- दंड के उपयोग से उच्च-आयामी रैखिक मिश्रित-ईएस मॉडल के लिए अनुमान। सांख्यिकी के स्कैंडिनेवियाई जर्नल, 38 (2): 197-214, 2011।
जो ऑनलाइन पाया जा सकता है।
मैं मिश्रित मॉडल (एलएमएमईएन) को एक लोचदार शुद्ध जुर्माना लागू करने पर एक पेपर खत्म कर रहा हूं और इसे आगामी महीने में पत्रिका समीक्षा के लिए भेजने की योजना है।
- LMMEN: सिदी, रिटोव, अनगर। लोचदार नेट दंड के माध्यम से रैखिक मिश्रित मॉडल का नियमितीकरण और वर्गीकरण
यदि आप डेटा को मॉडलिंग कर रहे हैं या तो सामान्य नहीं है या मेरे पास पहचान लिंक नहीं है, तो मैं GLMMLASSO के साथ जाऊंगा, (लेकिन सावधान रहें कि यह बहुत सारे आरई को संभाल नहीं सकता है)। अन्यथा पेन एलएमई अच्छा है कि आपके पास अत्यधिक सहसंबद्ध डेटा नहीं है, यह निश्चित या यादृच्छिक प्रभावों में हो। बाद के मामले में आप मुझे मेल कर सकते हैं और मुझे आपको कोड / पेपर भेजने में खुशी होगी (मैं इसे निकट भविष्य में क्रेन पर रखूंगा)।
मैंने आज CRAN - lmmen पर अपलोड किया । यह एक साथ फिक्स्ड और यादृच्छिक प्रभावों पर एक लोचदार-नेट प्रकार के दंड के साथ रैखिक मिश्रित मॉडल समस्या को हल करता है।
इसमें lmmlasso और glmmLasso पैकेज के लिए पैकेज cv फ़ंक्शंस में भी है।