L'estimateur SMLE (sparsity-restricted maximum likelihood estimator) a fait l'objet d'une attention considérable pour le filtrage des caractéristiques dans la régression à très haute dimension. Le SMLE est une méthode pratique sur le plan computationnel qui incorpore naturellement les effets conjoints des caractéristiques dans le processus de sélection. Nous développons un module R SMLE accessible au public, qui fournit un environnement convivial pour réaliser l’estimation SMLE dans des modèles linéaires généralisés. En particulier, le module comprend des fonctions permettant d'effectuer une sélection SMLE et une sélection post-filtrage à l'aide de SMLE avec des critères de sélection populaires tels que l'AIC et le BIC (étendu). Le module permet aux utilisateurs de contrôler divers paramètres de sélection et de saisir des caractéristiques numériques et catégorielles. Nous illustrons l'utilisation du module avec des exemples de données simulées et réelles, où les performances prometteuses de l’estimateur SMLE sont bien observées.

SMLE a été créé par Qianxiang Zang, Chen Xu et Kelly Burkett.