SIZE(25){COLOR(red){Rcontrib内で商用利用出来ない物}}~
//なかま

Rcontrib内の商用利用の出来ないもの(例えば、CD-ROM付きで出版などは出来ない?)
など、GPL,LGPL,BSDでは無い物を追加していってください。

#contents

*A
**COLOR(red){akima}: 不規則配置データの補間
不規則配置データの線形・3次スプライン補間

*B
**COLOR(red){Bhat}: 一般的な尤度解析
MLE, MCMC, CIs に対する関数(オリジナルは Fortran コード)

*C
**COLOR(red){conf.design}: ファクトリアルデザインを作る

*D
**COLOR(red){date}: 日付を扱うための関数

*F
**COLOR(red){fracdiff}: 非整数階差分 ARIMA (p,d,q) モデル
非整数階差分 ARIMA (p,d,q) モデル (Haslett and Raftery, Applied Statistics, 1989) の最尤推定
非整数階差分[長期記憶] ARIMA (p,d,q) モデル (Haslett and Raftery, Applied Statistics, 1989) の最尤推定

*G
**COLOR(red){gpclib}: R用ポリゴン・クリッピング汎用ライブラリ
Alan MurtaのC ライブラリをベースにしたR用ポリゴン・クリッピング汎用ライブラリ

*L

**COLOR(red){locfit}: 局所回帰、尤度および密度推定
局所回帰、尤度および密度推定。

**COLOR(red){logspline}:  対数スプライン推定
対数スプラインによる密度関数推定。


*M

**COLOR(red){mclust1998}: モデルを基礎とするクラスター分析

**COLOR(red){meanscore}: ロジスティック回帰モデルにおける欠損共変量に対する平均スコア法
// Meanscore method for missing covariate data in logistic regression models

欠損および補助共変量に対する平均スコア法はバイオメトリカの1995年の Reilly & Pepe の論文に記述されている。この尤度に基ずく方法はすべての利用可能なケースを利用可能であり、したがってより効率的な推定を与えるであろう。この手法は cohort, case-control デザインに適用可能である。

**COLOR(red){mlbench}: 機械学習ベンチマーク問題

**COLOR(red){multiv}: 多変量データ解析ルーチン

多変量データ解析ルーチン。階層型クラスタリング、PCA,Sammon マッピング、対応分析等が含まれる。

*P

**COLOR(red){pls.pcr}: PLS およびPCR関数

PLS およびPCRによる多変量回帰.

**COLOR(red){PTAk}: k モードに関する Principal Tensor Analysis 

任意オーダーのテンソル(配列)を分解する多元配置手法。SVD の一般化として、また non-identity メトリックと罰則化をサポートする。こうした拡張を持つ二元 SVD も同様に
得られる。パッケージはまたこうした拡張を持つ他の多元手法を含む:PCAn (Tucker-n) 
そして PARAFAC/CANDECOMP。
//A multiway method to decompose a tensor (array) of any order, as a generalisation of //SVD also supporting non-identity metric
//s and penalisations. 2-way SVD with these extensions is also available. The package //includes also some other multiway method
//s: PCAn (Tucker-n) and PARAFAC/CANDECOMP with these extensions.

*R
**COLOR(red){Rwave}: 一次元信号の時間・周波数領域解析
//Time-Frequency analysis of 1-D signals

*T
**COLOR(red){tripack}: 不規則な間隔の空間データの三角形網の生成

制約付き2次元ドロネイ三角形網パッケージ

**COLOR(red){twostage}:平均スコア手法を用いた2段階学習の最適化デザイン

平均スコア手法を用いた2段階学習の最適化デザイン用関数

トップ   編集 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS