×

兹马思-数学第一资源

使用迭代条件模式/中位数算法选择大量变量。(英语) Zbl 1327.62409
总结:经验Bayes方法设计用于选择大量变量,这些变量可能按照一定的层次结构相互连接,因为有三个属性:获取模型参数的先验信息、允许数据驱动的超参数值和无需调整参数。我们提出了一种迭代条件模式/中间值(ICM/M)算法来实现大规模变量的经验Bayes选择,同时考虑稀疏性或更复杂的情况先验的信息。迭代条件模式用于获得数据驱动的超参数估计,迭代条件中位数用于估计模型系数,从而可以选择大量变量。ICM/M算法计算速度快,易于将参数稀疏性自适应的经验Bayes阈值法推广到复杂数据中。实证研究表明,即使在选择大量回归预测因子的简单情况下,该方法也具有竞争性。

理学硕士:
6205年 线性回归;混合模型
62C12 经验决策程序
F0627电话 统计排名和选择程序
PDF格式 BibTeX公司 XML 引用
全文: 多伊 欧几里得
参考文献:
[1] Barbieri,M.M.和Berger,J.O.(2004年)。最佳预测模型选择,《统计年鉴》,32:870-897。·Zbl 1092.62033·doi:10.1214/00905360400000023·arxiv:数学/0406464
[2] Benjamini,Y.和Hochberg,Y.(1995年)。控制错误发现率:一种实用而有效的多重检验方法,皇家统计学会期刊,B辑,57:289-300。·Zbl 0809.62014
[3] Besag,J.(1975年)。非格点数据的统计分析,皇家统计学会期刊D辑(统计学家),24:179-195。
[4] Besag,J.(1986年)。关于脏图片的统计分析,英国皇家统计学会期刊B辑,48:259-302。·中银0609.62150
[5] Bottolo,L.和Richardson,S.(2010年)。贝叶斯模型探索的进化随机搜索,贝叶斯分析,5:583-618。·Zbl 1330.90042·doi:10.1214/10-BA523·欧几里得:ba/1340380542
[6] Breheny,P.和Huang,J.(2011年)。非凸惩罚回归的协同下降算法及其在生物特征选择中的应用,应用统计学年鉴,5:232-253。·Zbl 1220.62095·doi:10.1214/10-AOAS388
[7] Brenner,V.,Lindauera,K.,Parkara,A.,Fordhama,J.,Hayesa,I.,Stowa,M.,Gamaa,R.,Pollocka,K.和Jupp,R.(2001年)。细胞粘附的微阵列表达谱分析,免疫学方法杂志,250:15-28。
[8] Carlin,B.P.和Chib,S.(1995年)。通过马尔可夫链蒙特卡罗方法选择贝叶斯模型,皇家统计学会期刊B辑,57:473-484。·Zbl 0827.62027
[9] Cupples,L.A.,Arruda,H.T.,Benjamin,E.J.,等人(2007年)。弗雷明翰心脏研究100k单核苷酸多态性全基因组关联研究资源:17个表型工作组报告综述,BMC医学遗传学,8(增刊1):S1。
[10] Daubechies,I.,Defrise,M.和Mol,C.D.(2004年)。稀疏约束线性反问题的迭代阈值算法,纯数学与应用数学委员会,57:1413-1457。·Zbl 1077.65055·doi:10.1002/cpa.20042
[11] Donoho,D.L.和Johnstone,I.M.(1994年)。小波收缩的理想空间适应,生物计量学,81:425-455。·Zbl 0815.62019·doi:10.1093/biomet/81.3.425
[12] Dudoit,S.,Shaffer,J.P.,和Boldrick,J.C.(2003年)。微阵列实验中的多重假设检验,统计科学,18:71-103。·Zbl 1048.62099·doi:10.1214/ss/1056397487
[13] Fan,J.和Li,R.(2001年)。通过非CAVE惩罚似然及其预言性质的变量选择,美国统计协会杂志,96:1348-1360。·Zbl 1073.62547·doi:10.1198/016214501753382273
[14] 傅文杰(1998)。惩罚回归:桥梁与套索,计算与图形统计杂志,7:397-416。
[15] 乔治E.I.和麦卡洛克R.E.(1993年)。吉布斯抽样变量选择,美国统计协会杂志,85:398-409。
[16] Geyer,C.J.(1991年)。马尔可夫链蒙特卡罗极大似然。计算机科学与统计学,第23届接口研讨会论文集,第156-163页。
[17] Geyer,C.J.和Thompson,E.A.(1992年)。相关数据的约束蒙特卡罗极大似然,英国皇家统计学会期刊B辑,54:657-699。
[18] Guyon,X.和Kunsch,H.R.(1992年)。ising模型中估计量的渐近比较。在Barone,P.,Frigessi,A.和Piccioni,M.,《图像分析中的随机模型、统计方法和算法》,第177-198页。斯普林格,纽约。·Zbl 0801.62086·doi:10.1007/978-1-4612-2920-9_12
[19] Hans,C.,Dobra,A.和West,M.(2007年)。“大p”回归的散弹枪随机搜索,美国统计协会杂志,102:507-516。·Zbl 1134.62398号·doi:10.1198/016214507000000121·caliban.asa.catchword.org
[20] Ishwaran,H.和Rao,J.S.(2005年)。Spike和slab变量选择:频率专家和贝叶斯策略,统计学年鉴,33:730-773。·Zbl 1068.62079·doi:10.1214/009053604000001147·arxiv:数学/0505633
[21] 杰弗里斯,H.(1946年)。估计问题中先验概率的不变形式,英国皇家学会学报A辑,196:453-461。·Zbl 0063.03050·doi:10.1098/rspa.1946.0056
[22] Johnstone,I.M.和Silverman,B.W.(2004年)。干草堆中的针和稻草:可能稀疏序列的经验贝叶斯估计,统计年鉴,32:1594-1649。·Zbl 1047.62008·doi:10.1214/009053604000000030·arxiv:数学/0410088
[23] Johnstone,I.M.和Silverman,B.W.(2005年)。Ebayesthresh:R经验bayes阈值程序,统计软件杂志,12:1-38。·Zbl 0815.62019·doi:10.1093/biomet/81.3.425
[24] Li,C.和Li,H.(2010年)。图结构协变量的变量选择和回归分析及其在基因组学中的应用,《应用统计学年鉴》,4:1498-1516。·Zbl 1202.62157·doi:10.1214/10-AOAS332
[25] Li,F.和Zhang,N.R.(2010年)。结构高维协变量空间中的贝叶斯变量选择及其在基因组学中的应用,美国统计协会杂志,105:1202-1214。·Zbl 1390.62027·doi:10.1198/jasa.2010.tm08177
[26] Liang,G.和Yu,B.(2003年)。网络层析成像中的最大伪似然估计,IEEE信号处理汇刊,51:2043-2053。
[27] Mase,S.(2000年)。《标记吉布斯过程和最大伪似然估计的渐近正态性》,Mathematische Nachrichten,209:151-169。·Zbl 1123.62315·doi:10.1002/(SICI)1522-2616(200001)209:1<151::AID-MANA151>3.0.CO;2-J
[28] Meinshausen,N.,Meier,L.,和Buehlmann,P.(2009年)。高维回归的P值,美国统计协会杂志,104:1671-1681。·Zbl 1205.62089·doi:10.1198/jasa.2009.tm08647
[29] Mitchell,T.J.和Beauchamp,J.J.(1988年)。线性回归中的贝叶斯变量选择,美国统计协会杂志,83:1023-1036。·浙宝0673.62051·doi:10.2307/2290129
[30] Nawy,T.(2012年)。稀有变异体和关联的力量,自然方法,9:324。
[31] (牛顿,萨尔奎斯,2004)。用半参数分层混合法检测差异基因表达,生物统计学,5:155-176。·Zbl 1096.62124·doi:10.1093/biostatistics/5.2.155
[32] Onsager,L.(1943年)。水晶统计。i、 有序-无序转换的二维模型,物理评论,65:117-149。·Zbl 0060.46001·doi:10.1103/PhysRev.65.117
[33] 潘伟、谢乙、沈X(2010)。微阵列应用程序中的生物统计数据:474。·Zbl 1192.62235·doi:10.1111/j.1541-0420.2009.01296.x
[34] Rockova,V.和George,E.I.(2014年)。将预测网络应用于微阵列数据的惩罚回归中,美国统计协会杂志,109:828-846。·Zbl 1367.62049·doi:10.1080/01621459.2013.869223
[35] Stingo,F.C.,Chen,Y.A.,Tadesse,M.G.,和Vannucci,M.(2011年)。将生物信息纳入线性模型:路径和基因选择的贝叶斯方法,《应用统计学年鉴》,5:1978-2002。·Zbl 1228.62150·doi:10.1214/11-AOAS463
[36] (2012年,张和孙)。标度稀疏线性回归,《生物计量学》,99:879-898。·中银06111558·生物安全组织1093/1093/
[37] Syed,V.和Hecht,N.B.(1997年)。大鼠支持细胞和生殖细胞共培养中表达基因的上调和下调,《分子生殖与发育》,47:380-389。
[38] Tibshirani,R.(1996年)。通过套索进行回归收缩和选择,皇家统计学会期刊B辑,58:267-288。·Zbl 0850.62538
[39] Varin,C.,Reid,N.,和Firth,D.(2011年)。复合似然法概述,中国统计,21:5-42。·Zbl 05849508号
[40] Wasserman,L.和Roeder,K.(2009年)。高维变量选择,《统计年鉴》,37:2178-2201。·Zbl 1173.62054·doi:10.1214/08-AOS646·arxiv电话:0704.1139
[41] Wu,T.T.和Lange,K.(2008年)。套索惩罚回归的坐标下降算法,《应用统计学年鉴》,2:224-244。·Zbl 1137.62045·doi:10.1214/07-AOAS174SUPP
[42] Yuan,M.和Lin,Y.(2006年)。分组变量回归模型选择与估计,英国皇家统计学会期刊B辑,68:49-67。·11462030升·doi:10.1111/j.1467-9868.2005.00532.x
[43] Zhang,M.,Zhang,D.,和Wells,M.T.(2010年)。高维定位参数的广义阈值估计,中国统计,20:911-926。·Zbl 1187.62060·ww3.stat.sinica.edu.tw
[44] 周X和施密德勒,S.C.(2009)。ising和potts模型中的贝叶斯参数估计:蛋白质建模应用的比较研究。技术报告,杜克大学。
[45] 邹,H.(2006)。自适应套索及其甲骨文特性,美国统计协会杂志,101:1418-1429。·Zbl 1171.62326·doi:10.1198/0162145060000735
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。