基于贝叶斯稀疏性-Archive ouverte HAL的高维判别分析中的类特有变量选择
第三条Dans Une Revue 化学计量学杂志 年鉴：2018

基于贝叶斯稀疏性的高维判别分析中的类别变量选择

Résumé

尽管化学计量学、基因组学或个性化医学等领域正在进行的数字革命为这些领域取得长足进展带来了希望，但它也提供了越来越多的高维数据来分析和解释。在这些领域中，一个常见的任务是判别分析，但它可能会受到数据高维度的影响。最近的进展，通过子空间分类或变量选择方法，可以达到优秀的分类性能或有用的可视化和解释。显然，具有优异的分类精度和有意义的解释变量选择是非常有趣的。这项工作通过引入子空间判别分析方法来解决这个问题，该方法通过贝叶斯稀疏性来执行特定类别的变量选择。由此产生的分类方法称为稀疏高维判别分析（sHDDA）。与大多数基于Lasso的稀疏方法相反，sHDDA依赖于稀疏模式的贝叶斯建模，并避免了对稀疏级别进行艰苦而敏感的交叉验证。sHDDA的主要功能通过模拟数据和真实数据进行了说明。特别是，我们提出了一种基于医学成像的癌症特征描述示例应用，并特别提出了使用辐射特征提取的方法。

与葡萄园

统计[stat] 统计[math.ST] 认证信息[cs.LG]
菲奇尔校长
无花果树
稀疏HDDA_v1.pdf（725.45 Ko） 特勒充电器
原籍 菲奇尔斯（Fichiers）出品的par l’（les）auteur（s）

范妮·奥尔哈克 : Connectez-vous浇注接触器le contributer

https://hal.science/hal-01811514

Soumis le:samedi 9 juin 2018-10:06:50

Dernière修改le:vendredi 26 avril 2024-13:18:47

长期存档：mercredi 2018-16:39:37

Télé充电器倒可视化

日期和版本

hal-01811514， 版本1 (09-06-2018)

身份证明人

Citer公司

F Orlhac，P.-A Mattei，C.Bouveyron，N Ayache。基于贝叶斯稀疏性的高维判别分析中的类别特定变量选择。化学计量学杂志2018年，第3097页。⟨10.1002/cem.3097⟩.⟨哈尔-01811514⟩

出口商

BibTeX公司 XML-TEI公司 都柏林核心元数据集 DC条款 尾注 数据引用

收藏

CNRS公司 印度 INSMI公司 迪乌东内 INRIA2公司 UNIV-COTEDAZUR大学
343 磋商
444 交易费用

海拔高度

合作伙伴

更多