摘要

已经提出了可变筛选技术来减轻分类问题中高维性的影响,包括t吨-测试边际筛选(Fan&Fan,2008)和最大边际似然筛选(Fan&Song,2010)。然而,这些方法依赖于在实际应用中容易违反的强大建模假设。为了避免参数建模假设,我们提出了一种新的基于Kolmogorov–Smirnov统计量的二元分类变量筛选技术。我们证明了这种所谓的Kolmogorov滤波器在大大削弱的模型假设下具有一定的屏蔽特性。我们通过模拟研究来补充我们的理论研究。

此内容仅以PDF格式提供。
您当前没有访问此文章的权限。