我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们考虑回归问题,其中预测因子的数量大大超过了观测值的数量。我们提出了一种变量选择方法,首先估计回归函数,得到“预处理”响应变量。用于初始回归的主要方法是监督主成分。然后我们对预处理的响应变量应用标准程序,如正向逐步选择或LASSO。在许多模拟和实际数据示例中,此两步程序优于正向逐步选择或通常的LASSO(直接应用于原始结果)。我们还表明,在一定的高斯隐变量模型下,随着预报器和观测数的增加,LASSO对预处理响应变量的应用是一致的。此外,当观测噪声较大时,所建议的方法可以比LASSO给出更准确的估计。我们在一些实际问题上说明了我们的方法,包括用微阵列数据进行生存分析。
黛巴希斯·保罗。 埃里克·拜尔。 特雷弗·哈斯蒂。 罗伯特·提比拉尼(Robert Tibshirani)。 “预处理”用于高维问题中的特征选择和回归。” 安。统计师。 36 (4) 1595 - 1618, 2008年8月。 https://doi.org/10.1214/009053607000000578