张俊英;刘晓峰;张日泉;王，杭 特征筛选的基尼系数。 （英语） Zbl 1471.62386号 数学学报。应用。罪。，英语。序列号。 37，第3号，590-601（2021）. 小结：本文提出了基尼相关筛选（GCS）方法来选择具有超高维数据的重要变量。新程序基于基尼相关系数，通过响应和预测变量秩之间的协方差，而不是皮尔逊相关系数和肯德尔相关系数。新方法不需要对回归函数施加特定的模型结构，只需要预测因子和响应具有连续分布函数的条件。我们证明，随着预测因子的数量以样本量的指数速度增长，所提出的方法在排名方面具有一致性，这本身就很有用，并且可以导致选择的一致性。该程序计算效率高且简单，在我们的密集模拟和实际数据分析中表现出了良好的经验性能。 MSC公司： 62H20个 关联度量（相关性、典型相关性等） 62兰特 大数据和数据科学的统计方面 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：超高维;基尼相关系数;可变筛选;特征排序;心肌病微阵列数据 软件：ElemStatLearn（电子状态学习） PDF格式BibTeX公司 XML格式引用 \textit{J.-y.Zhang}等人，《数学学报》。应用。罪。，英语。序列号。37，第3号，590--601（2021；Zbl 1471.62386） 全文： 内政部 参考文献： [1] 布曼，P。；van de Geer，S.，《高维数据方法统计》（2011），海德堡，多德雷赫特，伦敦，纽约：理论与应用，施普林格，海德伯格，多德雷赫特，英国伦敦，纽约·Zbl 1273.62015年 ·doi:10.1007/978-3-642-20192-9 [2] 陈，JH；Chen，ZH，《大模型空间模型选择的扩展贝叶斯信息准则》，Biometrika，95759-771（2008）·Zbl 1437.62415号 ·doi:10.1093/biomet/asn034 [3] 范，J。；Gijbels，I.，局部多项式建模及其应用（1996），纽约：Chapman和Hall，纽约·Zbl 0873.62037号 [4] 范，J。；Li，R.，《通过非临界惩罚可能性进行变量选择及其Oracle属性》，《Ann.Statist》。协会，96，1348-1360（2001）·兹比尔1073.62547 ·doi:10.1198/016214501753382273 [5] 范，J。；Ren，Y.，DNA微阵列数据的统计分析，Em Clin。癌症研究，12，4469-4473（2006）·doi:10.1158/1078-0432.CCR-06-1033 [6] 范，J。；Song，R.，具有NP-维数的广义线性模型中的确定独立筛选，Ann.Statist。协会，38，3567-3604（2010）·Zbl 1206.68157号 [7] 范，M。；马云（Ma，Y.）。；戴伟，稀疏超高维变系数模型中的非参数独立筛选，《统计年鉴》。协会，1091270-1284（2013）·Zbl 1368.62095号 ·doi:10.1080/01621459.2013.879828 [8] 范，J。；Lv，J.，超高维特征空间的确定独立筛选（讨论），J.Roy。统计师。Soc.B.，70，849-911（2008）·Zbl 1411.62187号 ·doi:10.1111/j.1467-9868.2008.00674.x [9] 范，J。；冯，Y。；Song，R.，稀疏超高维可加模型中的非参数独立筛选，J.Am.Statist。协会，106，544-557（2011）·Zbl 1232.62064号 ·doi:10.1198/jasa.2011.tm09779 [10] 霍尔，P。；Miller，H.，《使用广义相关性影响超高维问题中的变量选择》，《计算与图形统计杂志》，18533-550（2009）·doi:10.1198/jcgs.2009.08041 [11] 哈斯蒂，T。；Tibshirani，R.，广义加性模型，统计科学，3297-318（1986）·Zbl 0645.62068号 [12] 李，R。；Liang，H.，半参数回归模型中的变量选择，Ann Statist。，36, 261-286 (1999) ·兹比尔1132.62027 [13] Li，G.等人。；彭，H。；张杰。；朱磊，基于稳健秩相关的筛选，Ann.Statist。，1846-1877年（2012年）·Zbl 1257.62067号 [14] Luo，S。；Chen，Z.，《利用超高维特征空间进行特征选择的序列Lasso Cum Ebic》，J.Am.Statist。协会，1091229-1240（2014）·Zbl 1368.62205号 ·doi:10.1080/01621459.2013.877275 [15] Redfern，CH；科沃德，P。；Degtyarev，车型年款；Lee，EK；夸，AT；Hennighausen，L.公司。；Bujard，H。；菲什曼，GI；Conklin，BR，转基因小鼠中特定设计的Gi-coupled受体的条件表达和信号传递，《国家生物技术》，17，165-169（1999）·doi:10.1038/6165 [16] Shorack，G。；Wellen，J.，《统计应用的经验过程》（1986年），纽约：威利出版社，纽约·Zbl 1170.62365号 [17] Schechtman，E。；Yitzhaki，S.，基于基尼平均差的关联度量，Comm.Statist。，16, 1, 207-231 (1987) ·Zbl 0617.62061号 ·doi:10.1080/03610928708829359 [18] Schechtman，E。；Yitzhaki，S.，《基尼系数的适当界限》，《经济学》。莱特。，63, 133-138 (1999) ·Zbl 0924.90043号 ·doi:10.1016/S0165-1765（99）00033-6 [19] Schechtman，E。；Yitzhaki，S.，基于扩展基尼指数的相关系数族，J.Econ。不平等。，12, 129-146 (2003) ·doi:10.1023/A:1026152130903 [20] Schechtman，E。；Yizhaki，S。；Artsev，Y.，《均值-方差和均值-基尼之间的相似性：基尼相关性的相等性检验》，《投资分析和投资组合管理进展》（AIAPM），第3103-128页（2007年） [21] 谢夫利亚科夫，德国劳埃德船级社；Smirnov，PO，《相关系数的稳健估计：一次调查尝试》，《奥地利统计杂志》，第40期，第147-156页（2011年） [22] Storey，京东；Tibshirani，R.，《全基因组研究的统计意义》，Proc。国家。阿卡德。科学。美国，1009440-9445（2003）·Zbl 1130.62385号 ·doi:10.1073/pnas.1530509100 [23] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素：数据挖掘、推断和预测》（2009），柏林：施普林格出版社，柏林·Zbl 1273.62005年 [24] Tibshirani，R.，通过LASSO进行回归收缩和选择，英国皇家统计学会期刊，B辑，58267-288（1996）·Zbl 0850.62538号 [25] Wang，H。；Xia，Y.，变系数模型的收缩率估计，J.Am.Statis。协会，104747-757（2009）·Zbl 1388.62213号 ·doi:10.1198/jasa.2009.0138 [26] Li，G.等人。；彭，H。；Zhu，L.，参数个数发散的无条件惩罚M-估计，Statist。Sinica，21，391-419（2011）·Zbl 1206.62036号 [27] Wang，H.，Factor profiled sure independence筛查，Biometrika，99，15C-28（2012）·Zbl 1234.62108号 ·doi:10.1093/biomet/asr074 [28] 朱，L。；李，X。；Li，Z。；Zhu，X.，超高精度数据的无模型特征筛选，J.Amer。统计师。协会，1061464-1474（2011）·Zbl 1233.62195号 ·doi:10.1198/jasa.2011.tm10563 [29] 张杰。；张，R。；Lu，Z.，超高维变系数模型中的分位数自适应变量筛选，应用统计杂志，43643-654（2016）·Zbl 1514.62970号 ·doi:10.1080/02664763.2015.072141 [30] 张杰。；张，R。；Zhang，J.，超高维协变量非参数和半参数模型的特征筛选，J.Syst。科学。综合体，311350-1361（2018）·Zbl 1409.62093号 ·doi:10.1007/s11424-017-6310-6 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。