×
张大宝；林燕珠；张敏

大（p）小（n）数据的惩罚正交分量回归。 （英语） Zbl 1326.62149号

电子。J.统计。 3, 781-796 (2009).
小结：在这里，我们提出了一种针对大（p）小（n）数据的惩罚正交分量回归（POCRE）。按顺序构造正交分量，以在标准化后最大化其与响应残差的相关性。提出了一种新的惩罚框架，该框架通过经验贝叶斯阈值实现，可以有效地识别每个分量的稀疏预测因子。POCRE由于其领先稀疏主成分的顺序构造而具有计算效率。此外，这种构造还提供了其他属性，例如将高度相关的预测因子分组，并允许使用共线或近似共线预测因子。利用多变量响应，POCRE可以构造公共成分，从而建立大（p）小（n）数据的潜在变量模型。

引用于三文件

MSC公司：

62J02型 一般非线性回归
62时20分 关联度量（相关性、典型相关性等）
62J07型 岭回归；收缩估计器（拉索）

关键词：

经验贝叶斯阈值；隐变量模型；\（p\gg n）数据；POCRE公司；稀疏预测因子；监督降维

软件：

EbayesThresh公司；EBayesThresh公司；斑点；mixOmics公司
PDF格式BibTeX公司 XML格式引用
\textit{D.Zhang}等人，Electron。《美国法律总汇》第3781-796页（2009年；兹bl 1326.62149）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Bair，E.、Hastie，T.、Paul，D.和Tibshirani，R.（2006）。监督主成分预测。，美国统计协会杂志，101 119-137·Zbl 1118.62326号 ·doi:10.1198/0162145050000000628
[2] Breiman，L.（1996）。模型选择中不稳定性和稳定性的启发式。，《统计年鉴》，24 2350-2383·Zbl 0867.62055号 ·doi:10.1214/aos/1032181158
[3] Cao，K.-A.L.、Rossouw，D.、Robert-Granie，C.和Besse，P.（2008）。集成组学数据时用于变量选择的稀疏PLS。，遗传学和分子生物学中的统计应用，7第35条·Zbl 1276.62061号
[4] Chun，H.和Keles，S.（2007年）。稀疏偏最小二乘法用于同时降维和变量选择。网址：http://www.stat.wisc.edu，/\sim-keles/Papers/SPLS_Nov07.pdf。
[5] 库克·R·D（2007）。费希尔讲座：回归中的降维。，统计科学，22 1-26·兹比尔1246.62148 ·doi:10.1214/0883423060000000682
[6] Donoho，D.L.和Johnstone，I.M.（1994年）。通过小波收缩实现理想的空间自适应。，生物特征，81 425-455·Zbl 0815.62019号 ·doi:10.1093/生物技术/81.3425
[7] Efron，B.（2004）。大规模同步假设检验：选择一个无效假设。，美国统计协会杂志，99 96-104·Zbl 1089.62502号 ·doi:10.1198/0162145000000089
[8] Garthwaite，P.H.（1994）《偏最小二乘法解释》。，美国统计协会杂志，89 122-127·Zbl 0793.62034号 ·doi:10.2307/2291207
[9] Hastie，T.、Tibshirani，R.、Eisen，M.、Alizadeh，A.、Levy，R.，Staudt，L.、Chan，W.、Botstein，D.和Brown，P.（2000）基因剃毛”是一种识别具有相似表达模式的不同基因集的方法。，基因组生物学，1 research0003.1-research0003.21。
[10] James，W.和Stein，C.（1961年）。二次损失估计。，第四届伯克利数理统计与概率研讨会论文集，1 361-379。加利福尼亚大学出版社，伯克利·Zbl 1281.62026号
[11] Johnstone，I.M.和Silverman，B.W.（2004）。干草堆中的针和稻草：可能稀疏序列的经验Bayes估计。，《统计年鉴》，321594-1649·Zbl 1047.62008年 ·数字对象标识代码：10.1214/00905360400000030
[12] Johnstone，I.M.和Silverman，B.W.（2005）。EbayesThresh:R程序用于经验Bayes阈值。，统计软件杂志，12 1-38。
[13] Kramer，R.（1998）。，定量分析的化学计量技术。马塞尔·戴克。
[14] Lan，H.、Chen，M.、Flowers，J.B.、Yandell，B.S.、Stapleton，D.S.、Mata，C.M.、Mui，E.T.、Floverss，M.T.、Schueler，K.L.、Manly，K.F.、Williams，R.W.、Kendziorski，K.和Attie，A.D.（2006年）。组合表达-性状相关性和表达-数量性状位点定位。，《公共科学图书馆·遗传学》，2 e6。
[15] Nguyen，D.V.和Roke，D.M.（2002）。使用微阵列基因表达数据通过偏最小二乘法进行肿瘤分类。，生物信息学，18 39-50。
[16] Park，T.和Casella，G.（2008）。贝叶斯套索。，美国统计协会杂志，103 681-686·Zbl 1330.62292号 ·doi:10.1198/016214500000037
[17] Shen，H.和Huang，J.Z.（2008）。基于正则化低秩矩阵逼近的稀疏主成分分析。，多元分析杂志，99 1015-1034·Zbl 1141.62049号 ·doi:10.1016/j.jmva.2007.06.007
[18] Stewart，G.W.（1974）。，矩阵计算简介。纽约：学术出版社·Zbl 0302.65021号
[19] Tibshirani，R.（1996）。通过套索进行回归收缩和选择。，英国皇家统计学会杂志B，58 267-288·Zbl 0850.62538号
[20] Tibshirani，R.、Rosset，S.、Zhu，J.和K.奈特（2005）。通过融合套索实现简洁流畅。，英国皇家统计学会杂志B，67 91-108·Zbl 1060.62049号 ·文件编号：10.1111/j.1467-9868.2005.00490.x
[21] Wold，H.（1975）。潜在变量软建模：非线性迭代偏最小二乘法。在《概率论和统计学的观点》中，M.S.Bartlett的荣誉论文（编辑J.Gani）。伦敦：学术出版社·Zbl 0331.62058号
[22] Yuan，M.和Lin，Y.（2006）。分组变量回归中的模型选择和估计。，英国皇家统计学会杂志B，68 49-67·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
[23] Zou，H.和Hastie，H.（2005年）。通过弹性网进行正则化和变量选择。，英国皇家统计学会杂志B，67 301-320·Zbl 1069.62054号 ·数字对象标识代码：10.1111/j.1467-9868.2005.0050.x
[24] Zou，H.、Hastie，H.和Tibshirani，R.（2006）。稀疏主成分分析。，计算与图形统计杂志，15 265-286·doi:10.1198/106186006X113430
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。