×
马克·西蒙；Wu，C.F.杰夫

克梅内特：一种用于条件主效应的双层变量选择的新方法。 （英语） Zbl 1420.62339号

美国统计协会。 114，编号526，844-856（2019）.
摘要：本文介绍了一种新的选择主效应的方法和一组称为条件主效应（CME）的重新参数化效应，它捕获了一个因子在另一个因子的固定水平上的条件效应。CME代表了在工程、社会科学和基因组学中广泛应用的可解释、领域特定的现象。关键挑战在于将CME的隐式分组结构纳入变量选择程序本身。我们提出了一种新方法，克梅内特它采用CME耦合和CME约简两个原则来有效导航选择算法。仿真研究表明，改进的CME选择性能克梅内特超过更多的通用选择方法。应用于飞翼形状的基因关联研究，克梅内特与标准的双因素相互作用分析方法相比，不仅产生了更简约的模型和改进的预测性能，而且揭示了对基因激活行为的重要见解，可用于指导进一步的实验。R包中提供了我们算法的高效实现克梅内特CRAN中。

引用于三文件

MSC公司：

62K15型 因子统计设计
62-04 统计相关问题的软件、源代码等

关键词：

条件效应；坐标下降；基因关联；相互作用分析；变量选择

软件：

玻璃制品；高级网络；对；克梅内特；稀疏的
PDF格式BibTeX公司 XML格式引用
\textit{S.Mak}和\textit{C.F.J.Wu}，美国统计协会114号，第526、844--856号（2019年；Zbl 1420.62339）
全文： DOI程序 arXiv公司

参考文献：

[1] 比恩，J。；泰勒，J。；Tibshirani，R.，《层级互动的套索》，《统计年鉴》，第41期，第1111-1141页（2013年）·兹比尔1292.62109
[2] Breheny，P.，《双水平变量选择的群指数拉索》，生物统计学，71，731-740（2015）·Zbl 1419.62316号
[3] Breheny，P。；Huang，J.，双层变量选择的惩罚方法，统计学及其接口，2369-380（2009）·Zbl 1245.62034号
[4] 查里，S。；德沃金，I.，《遗传相互作用的条件性质：野生型背景对基因组侧修饰筛选中突变相互作用的影响》，《公共科学图书馆·遗传学》，第9期，e1003661页（2013年）
[5] Cordell，H.J.，《检测人类疾病背后的基因相互作用》，《自然评论遗传学》，2009年第10期，第392-404页
[6] De Moor，M.H。；Berg，S.M。；Verweij，K.J。；Krueger，R.F。；卢西亚诺，M。；Vasquez，A.A。；Matteson，L.K。；德林格，J。；Esko，T。；Amin，N.，《神经质全基因组关联研究的Meta-Analysis of Genome-Wide Association Studies for Neurostism，and the Polygene Associations with Major Depressive Disorder》，JAMA精神病学，72，642-650（2015）
[7] Donoho，D.L.，《软阈值去噪》，IEEE信息理论汇刊，41613-627（1995）·Zbl 0820.62002号
[8] 范，J。；Li，R.，《基于非关联惩罚可能性的变量选择及其Oracle属性》，美国统计协会杂志，96，1348-1360（2001）·Zbl 1073.62547号
[9] Finney，D.，因子安排的分数复制，优生学年鉴，12，291-303（1945）·Zbl 0063.01376号
[10] 弗兰克，I.E。；Friedman，J.H.，《一些化学计量学回归工具的统计观点》，技术计量学，35，109-135（1993）·Zbl 0775.62288号
[11] 弗里德曼，J。；哈斯蒂，T。；Höfling，H。；Tibshirani，R.，路径坐标优化，应用统计学年鉴，1，302-332（2007）·Zbl 1378.90064号
[12] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，《统计学习的要素》（2001），纽约：施普林格出版社，纽约·Zbl 0973.62007号
[13] GLMNET:Lasso和Elastic-Net正则化广义线性模型，R包版本1（2009）
[14] ---，通过坐标下降的广义线性模型的正则化路径，统计软件杂志，33，1（2010）
[15] Fu，W.J.，《惩罚回归：桥梁与拉索》，《计算与图形统计杂志》，第7397-416页（1998年）
[16] 雅各布·L。；Obozinski，G。；Vert，J.-P.，Group Lasso with Overlap and Graph Lasso，第26届机器学习国际年会论文集，433-440（2009）
[17] Lange，K.，《统计学家数值分析》（2010），纽约：Springer Science&Business Media·兹比尔1258.62003
[18] Lee，S。；Breheny，P.，《非凸惩罚的强规则及其对高维回归高效算法的影响》，《计算与图形统计杂志》，241074-1091（2015）
[19] Lekivetz，R。；Jones，B.，《非矩形区域的快速柔性空间填充设计》，国际质量与可靠性工程，31829-837（2015）
[20] 马克·S。；Joseph，V.R.，使用聚类的Minimax和Minimax投影设计，计算与图形统计杂志，27，166-178（2017）·Zbl 07498976号
[21] Mazumder，R。；弗里德曼，J.H。；Hastie，T.，《SparseNet:协调下降与非凸惩罚》，《美国统计协会杂志》，1061125-1138（2011）·Zbl 1229.62091号
[22] Mazumder，R。；哈斯蒂，T。；Friedman，J.，《稀疏：通过非凸优化拟合稀疏线性回归模型》，R包第1版（2012年）
[23] Meier，L。；Van De Geer，S。；Bühlmann，P.，The Group Lasso for Logistic Regression，英国皇家统计学会杂志，70，53-71（2008）·Zbl 1400.62276号
[24] 蒙哥马利，D.C.，实验设计与分析（2008），纽约：威利，纽约
[25] Rosenbloom，A.L。；Joe，J.R。；Young，R.S。；Winter，W.E.，《青少年中新出现的2型糖尿病流行》，糖尿病护理，22，345-354（1999）
[26] 西蒙，N。；弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，《稀疏群拉索》，《计算与图形统计杂志》，22，231-245（2013）
[27] 苏，H。；Wu，C.F.J.，CME分析：一种在二级分数析因实验中消除重叠效应的新方法，质量技术杂志，49，1-10（2017）
[28] Tibshirani，R.，《通过拉索进行回归收缩和选择》，《皇家统计学会杂志》，58267-288（1996）·Zbl 0850.62538号
[29] ---，Cox模型中变量选择的Lasso方法，医学统计学，16385-395（1997）
[30] Tibshirani，R。；比恩，J。；弗里德曼，J。；哈斯蒂，T。；西蒙，N。；泰勒，J。；Tibshirani，R.J.，《拉索型问题中丢弃预测因子的强规则》，英国皇家统计学会杂志，74245-266（2012）·Zbl 1411.62213号
[31] 韦伯，K。；艾斯曼，R。；希金斯，S。；莫雷，L。；A.帕蒂。；陶斯克，M。；曾振白，果蝇2号染色体上影响翅膀形状的多基因分析，遗传学，1591045-1057（2001）
[32] Wu，C.F.J.，《后费希尔实验：从物理到虚拟》，美国统计协会杂志，110，612-620（2015）·Zbl 1373.62589号
[33] 吴长凤。；Hamada，M.S.，《实验：规划、分析和优化》（2009），纽约：威利·Zbl 1229.62100号
[34] Wu，T.T。；Lange，K.，拉索惩罚回归的坐标下降算法，应用统计年鉴，224-244（2008）·Zbl 1137.62045号
[35] 袁，M。；Lin，Y.，分组变量回归中的模型选择和估计，《皇家统计学会杂志》，68，49-67（2006）·Zbl 1141.62030号
[36] Zhang，C.-H.，极小极大凹罚下的几乎无偏变量选择，《统计学年鉴》，38894-942（2010）·Zbl 1183.62120号
[37] 赵，P。；Yu，B.，关于Lasso的模型选择一致性，机器学习研究杂志，7，2541-2563（2006）·Zbl 1222.62008年
[38] 邹，H。；Hastie，T.，《通过弹性网进行正则化和变量选择》，《皇家统计学会杂志》，67301-320（2005）·Zbl 1069.62054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。