再生

高维回归的随机子空间方法。高维回归中的模型选择和变量重要性评估是当代应用统计学的重要任务之一。在我们的过程中,我们使用随机子空间方法(RSM)来构造一个可变重要度。根据第一步使用RSM对变量进行排序,然后从排序得到的模型层次列表中,使用信息准则或验证集选择最终的变量子集。讨论了加权随机子空间法、冗余变量初始筛选法等原方法的改进。我们开发了并行实现,可以显著减少计算时间。在本文中,我们简要地概述了该方法,展示了该软件包的功能,并对所提出的算法和竞争方法如lasso或CAR scores进行了比较研究。在性能测试中,比较了并行实现的计算时间。