×
柯、陈璐;杨伟（Yang，Wei）;袁庆聪;李璐

用分类控制进行部分充分变量筛选。 （英语） Zbl 07737931号

计算。统计数据分析。 187，文章ID 107784，19 p.（2023）.
摘要：变量筛选作为一种快速有效的降维工具，在分析超高维数据中发挥着重要作用。虽然大量实际数据集同时包含连续变量和分类变量，但现有方法大多是为连续数据设计的。提出了部分充分变量筛选，其目的是在存在一些控制变量的情况下，在不丢失回归信息的情况下减少主要兴趣的预测集，并提供了理论保证。具体来说，对于涉及混合类型预测因子的回归分析，变量筛选是在充分性的概念下进行的，通过类别变量确定的子总体约束连续变量的减少。通过包括各种回归和分类模型的模拟研究，以及在弥漫性大B细胞淋巴瘤预后基因筛查中的应用，证明了该方法的有效性。

MSC公司：

62-08 统计问题的计算方法

关键词：

分类数据;有条件的独立性;足够的尺寸缩减;确定筛选;超高维数据分析

软件：

插补
PDF格式BibTeX公司 XML格式引用
\textit{C.Ke}等人，计算。统计数据分析。187，文章ID 107784，19 p.（2023；Zbl 07737931）
全文： 内政部

参考文献：

[1] 巴拉苏布拉马尼安，K。；Sriperumbudur，B。；Lebanon，G.，通过RKHS嵌入进行超高维特征筛选，（人工智能与统计（2013）），126-134
[2] 巴鲁特，E。；范，J。；Verhasselt，A.，《有条件的确定独立性筛选》，美国统计协会，111，515，1266-1277（2016）
[3] 陈，X。；库克·R·D。；邹，C.，充分降维诊断研究，Biometrika，102，3，545-558（2015）·Zbl 1452.62567号
[4] 奇亚罗蒙特，F。；库克·R·D。；Li，B.，用分类预测因子进行回归的充分降维，《Ann.Stat.》，30，2，475-497（2002）·Zbl 1012.62036号
[5] 崔，H。；李，R。；Zhong，W.，超高维判别分析的无模型特征筛选，美国统计协会，110，510，630-641（2015）·Zbl 1373.62305号
[6] 丁·S。；钱，W。；Wang，L.，双策略辅助高维删失数据的充分降维，Ann.Stat.，48，4，2132-2154（2020）·Zbl 1455.62192号
[7] Dong，Y。；于，Z。；朱，L.，回归中条件均值的无模型变量选择，计算。统计数据分析。，152，第107042条pp.（2020）·Zbl 1510.62172号
[8] 范，J。；Lv，J.，超高维特征空间的确定独立性筛选，J.R.Stat.Soc.，Ser。B、 统计方法。，70, 5, 849-911 (2008) ·Zbl 1411.62187号
[9] 范，J。；马云（Ma，Y.）。；Dai，W.，稀疏超高维变系数模型中的非参数独立性筛选，美国统计协会，109，507，1270-1284（2014）·Zbl 1368.62095号
[10] 冯，Z。；Wen，X.M。；于，Z。；Zhu，L.，《关于部分充分降维及其在部分线性多指标模型中的应用》，美国统计协会，108，501，237-246（2013）·Zbl 06158339号
[11] Fukumizu，K。；格雷顿，A。；兰克里特，G.R。；Schölkopf，B。；Sriperumbudur，B.K.，概率分布RKHS嵌入的核选择和分类，（Bengio，Y.；Schuurmans，D.；Lafferty，J.D.；Williams，C.K.I.；Culotta，A.，《神经信息处理系统进展》，第22卷（2009），Curran Associates，Inc.），1750-1758
[12] 格雷顿，A。；Fukumizu，K。；特奥，C。；宋，L。；Schölkopf，B。；Smola，A.，《独立性的核统计检验》，（Platt，J.；Koller，D.；Singer，Y.；Roweis，S.，《神经信息处理系统的进展》，第20卷（2008），麻省理工出版社），585-592
[13] 格雷顿，A。；Sejdinovic，D。；斯特拉赫曼，H。；巴拉克里希南，S。；庞蒂尔，M。；Fukumizu，K。；Sriperumbudur，B.K.，《大规模双样本测试的最佳内核选择》（Pereira，F.；Burges，C.J.C.；Bottou，L.；Weinberger，K.Q.，《神经信息处理系统的进展》，第25卷（2012），Curran Associates，Inc.），1205-1213
[14] He，D。；Cheng，J。；Xu，K.，通过基于核的条件均值依赖进行高维变量筛选，J.Stat.Plan。推理，224，27-41（2023）·Zbl 1502.62044号
[15] Hoeffing，W.，有界随机变量和的概率不等式，美国统计协会，58，301，13-30（1963）·Zbl 0127.10602号
[16] Hong，H.G。；Kang，J。；Li，Y.，超高维协变量与生存结果的条件性筛选，寿命数据分析。，24, 1, 45-71 (2018) ·Zbl 1468.62386号
[17] Ke，C。；Yin，X.，测试独立性的预期条件特征函数测量，美国统计协会，115，530，985-996（2020）·Zbl 1445.62091号
[18] 李，B。；库克·R·D。；Chiaromonte，F.，带分类预测因子回归中条件均值的降维，《Ann.Stat.》，31，5，1636-1668（2003）·Zbl 1042.62037号
[19] Li，K.-C.，《降维切片逆回归》，美国统计协会，86，414，316-327（1991）·Zbl 0742.62044号
[20] Li，L.，基于临床和基因表达信息的弥漫性大B细胞淋巴瘤生存预测，生物信息学，22，4，466-471（2006）
[21] 李，L。；Ke，C。；尹，X。；Yu，Z.，广义鞅差分散度：检测条件平均独立性及其在变量筛选中的应用，计算。统计数据分析。，180，第107618条pp.（2023）·Zbl 07708610号
[22] 李，R。；钟伟。；Zhu，L.，通过距离相关学习进行特征筛选，美国法律总汇，1074991129-1139（2012）·Zbl 1443.62184号
[23] 刘杰。；李，R。；Wu，R.，超高维协变量变系数模型的特征选择，美国统计协会，109，505，266-274（2014）·Zbl 1367.62048号
[24] Mai，Q。；Zou，H.，高维二进制分类中用于变量筛选的Kolmogorov滤波器，Biometrika，100，1，229-234（2013）·Zbl 1452.62456号
[25] Mai，Q。；Zou，H.，融合Kolmogorov滤波器：一种非参数无模型筛选方法，Ann.Stat.，43，4，1471-1497（2015）·Zbl 1431.62216号
[26] 罗森瓦尔德，A。；赖特，G。；Chan，W.C。；康纳斯，J.M。；坎波，E。；费舍尔，R.I。；俄罗斯天然气公司。；Muller-Hermelink，香港。；斯迈兰德，E.B。；Giltnane，J.M.，《利用分子分析预测弥漫性大B细胞淋巴瘤化疗后的生存率》，新英格兰。医学杂志，346，2521937-1947（2002）
[27] 邵，X。；Zhang，J.，鞅差分相关及其在高维变量筛选中的应用，美国统计协会，109，507，1302-1318（2014）·Zbl 1368.62157号
[28] Silverman，B.W.，《统计和数据分析密度估计》（1986），CRC出版社·Zbl 0617.62042号
[29] 唐，Z。；蔡，Z。；Yang，S。；Li，R.，利用FDR控制进行无模型条件特征筛选，美国统计协会（2022）
[30] 俄勒冈州特罗扬斯卡娅。；康托，M。；Sherlock，G。；布朗，P。；哈斯蒂，T。；Tibshirani，R。；博茨坦，D。；Altman，R.B.，DNA微阵列缺失值估计方法，生物信息学，17，6，520-525（2001）
[31] 王，X。；潘·W。；胡，W。；田，Y。；Zhang，H.，条件距离相关，J.Am.Stat.Assoc.，110，512，1726-1734（2015）·Zbl 1373.62288号
[32] 温，C。；潘·W。；黄，M。；Wang，X.，调整协变量与超高维数据混淆的确定独立性筛选，Stat.Sin。，28, 1, 293-317 (2018) ·兹比尔1382.62057
[33] 杨，B。；尹，X。；Zhang，N.，使用独立性测度进行连续响应的充分变量选择，J.Multivar。分析。，173, 480-493 (2019) ·Zbl 1422.62208号
[34] Yang，G。；Yang，S。；Li，R.，超高维广义变系数模型中的特征筛选，Stat.Sin。，30, 1049-1067 (2020) ·Zbl 1439.62258号
[35] Yin，X.，带分类预测因子的单指标模型中方向的非参数估计，Aust。N.Z.J.Stat.，47，2，147-161（2005）·Zbl 1134.62330号
[36] 尹，X。；Hilafu，H.，大p，小n问题的序贯充分降维，J.R.Stat.Soc.，Ser。B、 统计方法。，77, 4, 879-892 (2015) ·Zbl 1414.62194号
[37] 尹，X。；袁强，《一类新的独立性检验方法》，《国家统计局》。，2131-2154年3月30日（2020年）·Zbl 1466.62341号
[38] 袁，Q。；陈，X。；Ke，C。；Yin，X.，独立性指数——分类反应的充分变量筛选，计算。统计数据分析。，174，第107530条pp.（2022）·兹伯利07561892
[39] 周，Y。；刘杰。；Zhu，L.，条件独立性测试及其在条件筛选中的应用，J.Multivar。分析。，175，第104557条pp.（2020）·Zbl 1435.62160号
[40] 朱丽萍。；李，L。；李，R。；Zhu，L.-X.，超高维数据的无模型特征筛选，美国统计协会，106，496，1464-1475（2011）·Zbl 1233.62195号
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。