一个名为spca的新R包已被开发出来，用于方便地计算最小二乘稀疏主成分（LS-SPCA）。该包提供了一个框架，用于生成非相关的稀疏主成分（sPCs），这些sPCs在保持与标准主成分（PCs）强相关性的同时，最大化了解释方差。spca包具有一个高效的C++后端用于矩阵计算，以及一个灵活的R前端，为用户提供了各种稀疏化和变量选择的选项。 AI
影响 该包为计算可解释的稀疏主成分提供了一种计算高效的替代方案，可能有助于机器学习工作流中的特征选择和降维。
排序理由 该集群描述了一个用于统计计算的新R包，属于研究范畴。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.29104v1 Announce Type: cross Abstract: This paper introduces the R package spca, which provides a computational framework for least squares sparse principal component analysis (LS-SPCA). Unlike other SPCA methods, LS-SPCA generates uncorrelated sparse principal compone…
This paper introduces the R package spca, which provides a computational framework for least squares sparse principal component analysis (LS-SPCA). Unlike other SPCA methods, LS-SPCA generates uncorrelated sparse principal components (sPCs) that effectively maximize the explained…