Zobrazeno 1 - 10
of 666
pro vyhledávání: '"Steinley, Douglas"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Van Mechelen, Iven, Boulesteix, Anne-Laure, Dangl, Rainer, Dean, Nema, Guyon, Isabelle, Hennig, Christian, Leisch, Friedrich, Steinley, Douglas
Publikováno v:
WIREs Data Mining and Knowledge Discovery, 2023, e1511
Note: A revised version of this is now published. Please cite and read (it's open access): Van Mechelen, I., Boulesteix, A.-L., Dangl, R., Dean, N., Hennig, C., Leisch, F., Steinley, D., Warrens, M. J. (2023). A white paper on good research practices
Externí odkaz:
http://arxiv.org/abs/1809.10496
Publikováno v:
In Addictive Behaviors August 2022 131
Growth mixture models (GMMs) incorporate both conventional random effects growth modeling and latent trajectory classes as in finite mixture modeling; therefore, they offer a way to handle the unobserved heterogeneity between subjects in their develo
Externí odkaz:
http://arxiv.org/abs/1703.08723
Publikováno v:
Journal of American College Health; Aug/Sep2024, Vol. 72 Issue 6, p1857-1863, 7p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Psychometrika 2019 pp 1 27
This article develops a class of models called Sender/Receiver Finite Mixture Exponential Random Graph Models (SRFM-ERGMs) that enables inference on networks. This class of models extends the existing Exponential Random Graph Modeling framework to al
Externí odkaz:
http://arxiv.org/abs/1610.05747
Publikováno v:
In Journal of Mathematical Psychology June 2021 102