崔恒健;李润泽;钟,魏 超高维判别分析的无模型特征筛选。 (英语) Zbl 1373.62305号 美国统计协会。 110,编号510,630-641(2015). 摘要:这项工作涉及超高维判别分析的边缘确定独立性特征筛选。在判别分析中,反应变量是分类的。这使我们能够使用条件分布函数来构建新的特征筛选索引。本文提出了一种基于经验条件分布函数的边缘特征筛选方法。我们为所提出的过程建立了确定的筛选和排序一致性属性,而不需要对预测因子假设任何矩条件。拟议的程序有几个吸引人的优点。首先,它是无模型的,因为它的实现不需要指定回归模型。其次,它对预测因子的重尾分布和潜在异常值的存在具有鲁棒性。第三,它允许类别响应具有发散数量的类,这些类的顺序为\(O(n^{\kappa})\)和一些\(kappa\geq 0 \)。我们通过蒙特卡罗模拟研究和数值比较评估了该方法的有限样本特性。我们通过对两个真实数据集的实证分析进一步说明了所提出的方法。 引用于2评论引用于102文件 理学硕士: 62H30型 分类和区分;聚类分析(统计方面) 62F07型 统计排名和选择程序 65C60个 统计中的计算问题(MSC2010) 关键词:坚固耐用的;蒙特卡罗模拟;排名的一致性;确定屏蔽性能;超高维数据分析 PDF格式BibTeX公司 XML格式引用 \textit{H.Cui}et al.,J.Am.Stat.Assoc.110,编号510、630——641(2015;兹bl 1373.62305) 全文: 内政部 链接