×
Jeroen M.Goedhart。；托马斯·克劳斯；范德维尔（Mark A.van de Wiel）。

使用学习曲线估计高维数据设置中的预测性能。 （英语） Zbl 07708611号

计算。统计数据分析。 180，文章ID 107622，13 p.（2023）.
摘要：在高维预测设置中，可靠估计测试性能仍然是一个挑战。为了应对这一挑战，提出了一种新的性能评估框架。该框架称为Learn2Evaluate，它基于学习曲线，通过拟合一条平滑的单调曲线，将测试性能描述为样本大小的函数。与常用的性能评估方法相比，Learn2Evaluate有几个优点。首先，学习曲线提供了学习者的图形概览。这一概述有助于评估添加培训样本的潜在好处，与固定子样本大小的绩效评估相比，它提供了学习者之间更完整的比较。其次，学习曲线有助于在总样本大小而非子样本大小下评估性能。第三，Learn2Evaluate允许计算理论上合理且有用的置信下限。此外，可以通过执行偏差校正来收紧该界限。模拟研究和对组学数据的应用说明了Learn2Evaluate的好处。

MSC公司：

62-08 统计问题的计算方法

关键词：

高维数据；组学；预测性能；接收器工作曲线下的面积；引导数据库；交叉验证

软件：

pROC公司；cvAUC公司；LBFGS-B型；格尔姆奈特
PDF格式BibTeX公司 XML格式引用
\textit{J.M.Goedhart}等人，《计算》。统计数据分析。180，文章ID 107622，13 p.（2023；Zbl 07708611）
全文： 内政部 arXiv公司
OA许可证

参考文献：

[1] Bamber，D.，有序优势图上方的区域和受试者操作特征图下方的区域，J.Math。心理医生。，12, 387-415 (1975) ·Zbl 0327.92017号
[2] Y.本吉奥。；Grandvalet，Y.，《k倍交叉验证方差的无偏估计》，J.Mach。学习。第5号决议，1089-1105（2004年）·Zbl 1222.68145号
[3] 贝斯特，M.G。；Sol，N.公司。；Kooi，I。；Tannous，J。；韦斯特曼，B.A。；Rustenburg，F.，肿瘤诱导血小板的Rna-seq使基于血液的泛癌、多类和分子途径癌症诊断成为可能，《癌症细胞》，28，666-676（2015）
[4] Boyle，E.A。；Li，Y.I。；Pritchard，J.K.，《复杂性状的扩展观点：从多基因到全基因》，《细胞》，1691177-1186（2017）
[5] Brier，G.W.，以概率表示的预测验证，周一。《天气评论》，78，1-3（1950）
[6] Burman，P.，《普通交叉验证、v形交叉验证和重复学习测试方法的比较研究》，《生物统计学》，76，503-514（1989）·Zbl 0677.62065号
[7] 伯德·R·H。；卢，P。；Nocedal，J。；Zhu，C.，边界约束优化的有限内存算法，SIAM J.Sci。计算。，16, 1190-1208 (1995) ·Zbl 0836.65080号
[8] 科尔特斯，C。；Jackel，L.D。；索拉，S。；Vapnik，V。；Denker，J.，学习曲线：渐进值和收敛速度6（1993），第327-334页
[9] DeLong，E.R。；DeLong，D.M。；Clarke-Pearson，D.L.，《比较两个或多个相关接收器工作特征曲线下的面积：非参数方法》，《生物计量学》，44，837-845（1988）·Zbl 0715.62207号
[10] Dobbin，K.K.，《为高维预测规则的实际错误率构建置信区间的方法》，生物统计学，10282-296（2009）·Zbl 1437.62443号
[11] Dobbin，K.K。；Simon，R.M.，《训练和测试高维分类器的最佳分割案例》，BMC Med.Genom。，2011年1月4日至8日
[12] 多诺霍，D.L。；Tanner，J.，通过线性规划求解欠定线性方程的稀疏非负解，Proc。国家。阿卡德。科学。美国，1029446-9451（2005）·Zbl 1135.90368号
[13] 埃夫隆，B。；Tibshirani，R.J.，Bootstrap简介（1994），CRC出版社
[14] Faber，N.M.，《估计预测均方根误差估计中的不确定性：应用于确定多元校准中适当测试集的大小》，Chemom。智力。实验室系统。，49, 79-89 (1999)
[15] 菲格罗亚，B.J。；曾特雷特勒（Q.Zeng Treitler）。；坎杜拉，S。；Ngo，L.，预测分类性能所需的样本量，BMC Med.Inform。Decis公司。制造商。，12, 8 (2012)
[16] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.J.，通过坐标下降广义线性模型的正则化路径，J.Stat.Softw。，33, 1-22 (2010)
[17] Hanley，J。；McNeil，B.J.，接收器工作特性（roc）曲线下面积的含义和使用，放射学，143，29-36（1982）
[18] Hess，K.R。；Wei，C.，微阵列数据分类中的学习曲线，Semin。Oncol.公司。，37, 65-68 (2010)
[19] Ishwaran，H。；Kogalur，U.B.，《生存、退化和分类快速统一随机森林》（RF-SRC）（2021年）
[20] 蒋伟（Jiang，W.）。；Simon，R.M.，《自举法与调整自举法在评估微阵列分类预测误差中的比较》，《统计医学》，第26期，第5320-5334页（2007年）
[21] 蒋伟（Jiang，W.）。；瓦尔马，S。；Simon，R.M.，《使用重采样计算微阵列分类中预测误差的置信区间》，《统计应用》。遗传学。分子生物学。，7 (2008) ·Zbl 1276.62076号
[22] Kim，J.H.，估计分类错误率：重复交叉验证、重复保持和引导，计算。统计数据分析。，53, 3735-3745 (2009) ·Zbl 1453.62126号
[23] LeDell，E。；彼得森，M.L。；van der Laan，M.J.，《包装cvAUC》（2014）
[24] LeDell，E。；彼得森，M.L。；van der Laan，M.J.，《roc曲线估计下交叉验证区域的计算有效置信区间》，Electron。J.Stat.，9，1，1583-1607（2015）·Zbl 1327.62298号
[25] 米歇尔，S。；科斯切尔尼，S。；Hill，C.，用微阵列预测癌症结果：多重随机验证策略，《柳叶刀》，365488-492（2005）
[26] 穆克吉，S。；Tamayo，P。；罗杰斯，S。；里夫金，R。；恩格尔。；Campbell，C.，《估算dna微阵列数据分类的数据集大小要求》，J.Compute。生物学，10119-142（2003）
[27] Ng、P。；Maechler，M.，定性约束分位数平滑样条的快速高效实现，统计模型。，7, 315-328 (2007) ·Zbl 1486.62118号
[28] Ng、P。；Maechler，M.，COBS-约束B样条（基于稀疏矩阵）（2020）
[29] Novianti，P.W。；斯诺克，公元前。；Wilting，S.M。；Van De Wiel，M.A.，《通过使用辅助联合数据从rnaseq数据中获得更好的诊断特征》，生物信息学，33，1572-1574（2017）
[30] 沼田，S。；Ye，T。；海德，T。；吉塔特，X。；陶，R。；Wininger，M.，《人类前额叶皮层发育和衰老中的Dna甲基化特征》，美国遗传学杂志。，90, 260-272 (2012)
[31] Richards，F.J.，《经验性使用的灵活增长函数》，J.Exp.Bot.，10290-301（1959）
[32] 罗宾，X。；北图尔克。；A.海纳德。；Tiberti，N。；Lisacek，F。；桑切斯，J.C。；Müller，M.，proc：一个用于r和s+分析和比较roc曲线的开源软件包，BMC Bioninform。，12, 77 (2011)
[33] Schäfer，J。；Opgen-Rhein，R。；祖伯，V。；阿赫德斯马基，M。；A.P.D.席尔瓦。；Strimmer，K.，Package corpcor（2017年）
[34] 谢弗，J。；Strimmer，K.，《大规模协方差矩阵估计的收缩方法及其对功能基因组学的影响》，Stat.Appl。遗传学。分子生物学。，4 (2005)
[35] Sklar，M.，《重新划分维度和边界的函数》，Publ。巴黎国立大学，8229-231（1959）·Zbl 0100.14202号
[36] Stone，M.，统计预测的交叉验证选择和评估，J.R.Stat.Soc.，Ser。B、 卫理公会。，36, 111-133 (1974) ·Zbl 0308.62063号
[37] van de Wiel，医学硕士。；伯克霍夫，J。；van Wieringen，W.N.，《测试两个预测因子之间的预测误差差异》，生物统计学，10550-560（2009）·Zbl 1437.62637号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。