Title: The R package psvmSDR: A Unified Algorithm for Sufficient Dimension Reduction via Principal Machines Show Chinese title

Title: R包 psvmSDR：通过主机器进行有效维度降低的统一算法

Abstract: Sufficient dimension reduction (SDR), which seeks a lower-dimensional subspace of the predictors containing regression or classification information has been popular in a machine learning community. In this work, we present a new R software package psvmSDR that implements a new class of SDR estimators, which we call the principal machine (PM) generalized from the principal support vector machine (PSVM). The package covers both linear and nonlinear SDR and provides a function applicable to realtime update scenarios. The package implements the descent algorithm for the PMs to efficiently compute the SDR estimators in various situations. This easy-to-use package will be an attractive alternative to the dr R package that implements classical SDR methods. Show Chinese abstract

Abstract: 充分维度缩减（SDR），旨在寻找包含回归或分类信息的预测变量的低维子空间，在机器学习领域很受欢迎。 在本工作中，我们介绍了一个新的 R 软件包 psvmSDR，该包实现了我们称之为主机器（PM）的新一类 SDR 估计器，该估计器是从主支持向量机（PSVM）推广而来的。 该包涵盖了线性和非线性 SDR，并提供了一个适用于实时更新场景的函数。 该包实现了 PM 的下降算法，以在各种情况下高效计算 SDR 估计器。 这个易于使用的包将是实现经典 SDR 方法的 dr R 包的一个有吸引力的替代方案。