史伟良；格蕾丝·瓦巴；斯蒂芬·赖特；克里斯汀·李；罗纳德·克莱因；巴巴拉·克莱因 LASSO模式搜索算法及其在眼科和基因组数据中的应用。 （英语） Zbl 1230.62093号 统计接口 第1期，第137-153页（2008年）. 摘要：提出LASSO模式搜索算法是为了有效识别人口统计学和基因组研究结果中的多种二分法风险因素模式。所考虑的模式是由多元伯努利密度的对数线性扩展自然产生的模式。该方法是为可能有大量候选模式的情况而设计的，但人们认为只有相对较少的模式才重要。LASSO被用来大大减少候选模式的数量，它使用了一种新的计算算法，可以同时处理大量未知数据。在（参数）广义线性模型的框架中，对LASSO中幸存的模式进行了进一步修剪。在这两个步骤中，都使用了一种基于伯努利结果GACV的新调整程序，该程序经过修改后用作模型选择器。我们将该方法应用于基于人群的Beaver Dam Eye研究的近视数据，揭示生理上有趣的相互作用风险因素。然后，我们将该方法应用于基于遗传分析研讨会15中问题3的类风湿关节炎生成模型的数据，成功证明了其从基因组研究典型长度的属性向量中高效恢复高阶模式的潜力。 引用于7文件 MSC公司： 62J12型 广义线性模型（逻辑模型） 第62页第10页 统计学在生物学和医学中的应用；元分析 92 C50 医疗应用（一般） 65立方厘米60 统计中的计算问题（MSC2010） PDF格式BibTeX公司 XML格式引用 \textit{W.Shi}等人，《统计接口1》，第1期，137--153（2008；Zbl 1230.62093） 全文： 内政部 arXiv公司