×
刘燕红;张宇豪;李忠华

具有错误发现率控制的指数族图形模型的结构学习。 （英语） Zbl 07745477号

J.韩国统计学会。 52，编号3，554-580（2023）.
摘要：概率图形模型由于能够对随机变量之间的条件依赖关系进行建模，在广泛的领域中广受欢迎。研究了具有错误发现率（FDR）控制的指数族图形模型的结构学习。大多数现有的FDR控制结构学习程序都是为高斯图形模型（GGM）设计的。对于更一般的指数族图形模型，仍然缺乏一种系统的方法。本文介绍了利用对称化数据聚合（SDA）技术，通过样本分割、数据筛选和信息池，通过FDR控制学习指数族图形模型结构的统一过程。我们证明了我们的方法在一些温和的条件下渐近控制FDR。大量仿真结果和两个实际数据示例验证了该方法的有效性。

理学硕士：

62-XX年 统计

关键词：

结构学习;错误发现率;指数族图形模型;对称数据聚合

软件：

测试BMN;巨大的;玻璃制品
PDF格式BibTeX公司 XML格式引用
\textit{Y.Liu}等人，J.Korean Stat.Soc.52，No.3，554--580（2023；Zbl 07745477）
全文： DOI程序

参考文献：

[1] Allen，G.I.和Liu，Z（2012）。从高通量测序数据推断遗传网络的对数线性图形模型。2012年IEEE生物信息学和生物医学国际会议（第1-6页）。电气与电子工程师协会。
[2] 艾伦，GI；Liu，Z.，用于从测序数据推断网络的局部泊松图形模型，IEEE纳米生物科学汇刊，12，3，189-198（2013）
[3] 阿拉巴马州巴拉巴西；Albert，R.，《随机网络中尺度的出现》，《科学》，286，5439，509-512（1999）·Zbl 1226.05223号
[4] 理发师，RF；Candès，EJ，高维选择性推理的仿冒过滤器，《统计年鉴》，47，5，2504-2537（2019）·Zbl 1444.62034号
[5] 理发师，RF；Drton，M.，《利用贝叶斯信息准则进行高维ising模型选择》，《电子统计杂志》，9，1，567-607（2015）·Zbl 1309.62050号
[6] Y.本杰米尼。；Hochberg，Y.，《控制错误发现率：一种实用而有力的多重测试方法》，《皇家统计学会杂志：B辑（方法学）》，57，1，289-300（1995）·Zbl 0809.62014号
[7] Bühlmann，P。；Mandozzi，J.，《高维变量筛选和后续推断中的偏差，以及实证比较》，《计算统计》，29，3，407-430（2014）·Zbl 1306.65035号
[8] 蔡，T。；李，H。；Ma，J.，微分马尔可夫随机场分析及其在检测差异微生物群落网络中的应用，Biometrika，106，2，401-416（2019）·兹比尔1444.62121
[9] 蔡，T。；刘，W。；Luo，X.，稀疏精度矩阵估计的约束\（\ell_1\）最小化方法，美国统计协会杂志，106494594-607（2011）·Zbl 1232.62087号
[10] Cheng，J。；李·T。；Levina，E.，高维混合图形模型，《计算与图形统计杂志》，26，2，367-378（2017）
[11] 陈，X。；Liu，W.，矩阵变量高斯数据的图估计，中国统计，29，1479-504（2019）·兹比尔1412.62103
[12] d'Aspremont，A。；O.班纳吉。；El Ghaoui，L.，稀疏协方差选择的一阶方法，SIAM矩阵分析与应用杂志，30，1，56-66（2008）·Zbl 1156.90423号
[13] 德顿，M。；Maathuis，MH，《图形建模中的结构学习》，《统计及其应用年鉴》，4，365-393（2017）
[14] 德顿，M。；Perlman，MD，《高斯图形模型选择中的多重测试和错误控制》，《统计科学》，22，3，430-449（2007）·Zbl 1246.62143号
[15] Du，L.，Guo，X.，Sun，W.等（2021）。通过对称数据聚合控制一般依赖下的错误发现率。美国统计协会杂志，1-15。
[16] 范，J。；Feng，Y。；Wu，Y.，通过自适应套索和扫描惩罚进行网络探索，应用统计年鉴，3，2，521（2009）·Zbl 1166.62040号
[17] Foygel，R.和Drton，M.（2010年）。高斯图形模型的扩展贝叶斯信息准则。神经信息处理系统进展，23，1-9。
[18] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，用图形套索进行稀疏逆协方差估计，生物统计学，9，3，432-441（2008）·Zbl 1143.62076号
[19] 何毅。；张，X。；Wang，P.，带FDR控制的高维高斯copula图形模型，计算统计与数据分析，113，457-474（2017）·Zbl 1464.62089号
[20] Höfling，H.和Tibshirani，R.（2009）。使用伪似然估计稀疏二元成对马尔可夫网络。机器学习研究杂志，10（4），883-906·Zbl 1245.62121号
[21] Jeon，M。；Jin，IH；Schweinberger，M.，《绘制未观察到的项目反应交互：带有交互图的潜在空间项目反应模型》，《心理测量学》，86，2，378-403（2021）·Zbl 1477.62342号
[22] Keener，R.W.（2010）。理论统计学：核心课程的主题。斯普林格·兹比尔1269.62003
[23] Kouros-Mehr，H。；斯洛拉，EM；Sternlicht，MD，Gata-3维持乳腺管腔细胞命运的分化，细胞，127，51041-1055（2006）
[24] Lam，C。；Fan，J.，大协方差矩阵估计中的稀疏性和收敛速度，《统计年鉴》，37，6，4254（2009）·Zbl 1191.62101号
[25] Lauritzen，S.L.（1996）。图形模型（第17卷）。克拉伦登出版社·Zbl 0907.62001
[26] Lee，JD；Hastie，TJ，学习混合图形模型的结构，《计算与图形统计杂志》，24，1，230-253（2015）
[27] Lee，S。；Sobczyk，P。；Bogdan，M.，具有错误发现率控制的高斯马尔可夫随机场的结构学习，《对称性》，第11、10、1311页（2019年）
[28] Lehmann，E.L.和Casella，G.（2006年）。点估计理论。施普林格科技与商业媒体·Zbl 0916.62017号
[29] 李，J。；Maathuis，MH，GGM仿冒过滤器：高斯图形模型的错误发现率控制，皇家统计学会杂志：B辑（统计方法），83，3，534-558（2021）·Zbl 07555495号
[30] 刘伟，带错误发现率控制的高斯图形模型估计，《统计年鉴》，41，6，2948-2978（2013）·Zbl 1288.62094号
[31] 刘，W。；Shao，QM，大规模（t）测试中的阶段转换和正则引导，错误发现率控制，统计年鉴，42，5，2003-2025（2014）·Zbl 1305.62213号
[32] 刘，H。；Wang，L.，Tiger：优化估计高斯图形模型的调谐敏感方法，《电子统计杂志》，11，1，241-294（2017）·Zbl 1395.62007号
[33] 明绍森，N。；Bühlmann，P.，用套索选择高维图和变量，《统计年鉴》，34，3，1436-1462（2006）·Zbl 1113.62082号
[34] 明绍森，N。；Meier，L。；Bühlmann，P.，高维回归的（P）值，美国统计协会杂志，104，488，1671-1681（2009）·Zbl 1205.62089号
[35] 纳塔利，P。；尼科特拉，M。；Sures，I.，《乳腺癌与c-kit癌基因产物的丢失有关》，国际癌症杂志，52，5713-717（1992）
[36] 拉维库马尔，P。；温赖特，MJ；Lafferty，JD，使用\（\ell_1\）正则化逻辑回归的高维ising模型选择，《统计学年鉴》，38，3，1287-1319（2010）·Zbl 1189.62115号
[37] 拉维库马尔，P。；温赖特，MJ；Raskutti，G.，通过最小化\（l_1\）惩罚对数行列式散度进行高维协方差估计，《电子统计学杂志》，5935-980（2011）·Zbl 1274.62190号
[38] 罗斯-伊内斯，CS；斯塔克·R。；Teschendorff，AE，差异雌激素受体结合与乳腺癌临床结局相关，《自然》，481，7381，389-393（2012）
[39] AJ罗斯曼；PJ Bickel；Levina，E.，稀疏排列不变协方差估计，《电子统计杂志》，2494-515（2008）·Zbl 1320.62135号
[40] Salese，S。；气味，L。；Chazée，L.，Elastin分子老化促进mda-mb-231乳腺癌细胞侵袭，FEBS Open Bio，8，9，1395-1404（2018）
[41] Sun，T。；Zhang，CH，带尺度套索的稀疏矩阵反演，机器学习研究杂志，14，1，3385-3418（2013）·Zbl 1318.62184号
[42] 滕，YHF；Tan，WJ；Thike，AA，三阴性乳腺癌中表皮生长因子受体（EGFR）基因的突变：对靶向治疗的可能影响，乳腺癌研究，13，2，1-9（2011）
[43] 范德格尔，SA；Bühlmann，P.，《关于证明套索预言结果的条件》，《电子统计杂志》，31360-1392（2009）·Zbl 1327.62425号
[44] Wasserman，L。；Roeder，K.，高维变量选择，《统计年鉴》，37，5，2178（2009）·Zbl 1173.62054号
[45] 夏，Y。；蔡，T。；Cai，TT，《测试差分网络及其在基因-基因相互作用检测中的应用》，《生物特征》，102，2，247-266（2015）·Zbl 1452.62392号
[46] 薛，L。；邹，H。；Cai，T.，稀疏ising模型的非凹陷惩罚复合条件似然估计，《统计年鉴》，40，3，1403-1429（2012）·Zbl 1284.62451号
[47] Yang，E.、Allen，G.、Liu，Z.等（2012）。通过广义线性模型的图形模型。神经信息处理系统进展，25，1-9。
[48] Yang，E.，Baker，Y.，&Ravikumar，P.等人（2014）。通过指数族的混合图形模型。《人工智能与统计学》，PMLR（第1042-1050页）。
[49] 杨，E。；拉维库马尔，P。；Allen，GI，通过单变量指数族分布的图形模型，机器学习研究杂志，16，1，3813-3847（2015）·兹比尔1351.62111
[50] 杨，E。；拉维库马尔，PK；Allen，GI，通过单变量指数族的条件随机场，神经信息处理系统进展，26，1-9（2013）
[51] Yu，L.、Kaufmann，T.和Lederer，J.（2021）。生物网络中的错误发现率。在国际人工智能和统计会议上，PMLR（第163-171页）。
[52] 袁，M.，基于线性规划的高维逆协方差矩阵估计，机器学习研究杂志，112261-2286（2010）·Zbl 1242.62043号
[53] 袁，M。；Lin，Y.，高斯图形模型中的模型选择和估计，生物统计学，94，1，19-35（2007）·Zbl 1142.62408号
[54] Zhang，Y。；杜奇，JC；MJ Wainwright，《统计优化的通信高效算法》，《机器学习研究杂志》，14，1，3321-3363（2013）·Zbl 1318.62016号
[55] 张，R。；任，Z。；Celedón，JC，大型修正泊松型图形模型的推断：RNA-SEQ数据在儿童特应性哮喘研究中的应用，应用统计学年鉴，15，2，831-855（2021）·Zbl 1478.62350号
[56] Zhao，T。；Liu，H.，高维椭圆分布的校准精度矩阵估计，IEEE信息理论汇刊，60，12，7874-7887（2014）·兹比尔1359.62194
[57] Zhao，T。；刘，H。；Roeder，K.，《r中高维无向图估计的巨大软件包》，《机器学习研究杂志》，13，1，1059-1062（2012）·Zbl 1283.68311号
[58] 郑，Z。；周，J。；Guo，X.，《通过仿冒品恢复图形结构》，《Procedia Computer Science》，129201-207（2018）
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。