×
卡米洛·布洛克；博尔贾卡尔沃；利基特、贝诺特

应用于结构化数据的惩罚偏最小二乘法。 （英语） Zbl 1441.62140号

阿拉伯的。数学杂志。 9，第2期，329-344（2020）.
摘要：如今，应用于高维的数据分析已经兴起。高维数据的启迪可以通过收集不同的独立数据来实现。然而，每一个独立的集合可以引入自己的偏差。我们可以在模型中引入观测集结构来应对这种偏见。本文的目的是为稀疏偏最小二乘（sPLS）降维方法在呈现这种观测集结构的数据背景下建立理论基础。创新之处在于构建不同的sPLS模型，并通过公共L asso惩罚将其联系起来。这一理论可以应用于任何领域，在这些领域中，观测呈现出这种结构，因此，可以改进具有竞争力的领域中的sPLS。此外，它还可以扩展到特定的情况，其中变量可以收集在给定的先验组中，其中sPLS被定义为稀疏组偏最小二乘。

MSC公司：

62甲12 多元分析中的估计
62J07型 岭回归；收缩估计器（拉索）
62兰特 大数据和数据科学的统计方面

关键词：

数据分析在高维中的应用；稀疏偏最小二乘（sPLS）；共同-连带处罚

软件：

mixOmics公司；艾根斯特拉
PDF格式BibTeX公司 XML格式引用
\textit{C.Broc}等人，阿拉伯。数学杂志。9，第2号，329--344（2020；Zbl 1441.62140）
全文： 内政部

参考文献：

[1] 布列斯特，A-L；Strimmer，K.，《偏最小二乘：分析高维基因组数据的通用工具》，简介。生物信息。，8, 1, 32-44 (2006)
[2] Chun，H.等人。；Keleš，S.，《同时降维和变量选择的稀疏偏最小二乘回归》，J.R.Stat.Soc.Ser。B（Stat.Methodol.），72，1，3-25（2010年）·Zbl 1411.62184号
[3] De Bie，T。；北卡罗来纳州克里斯蒂亚尼尼。；Rosipal，R.：模式识别中的特征问题。摘自：《几何计算手册》，第129-167页。斯普林格（2005）
[4] 埃斯拉米，A。；EM卡纳里；科勒，A。；Bougeard，S.，多群pls算法，J.Chemom。，28, 3, 192-201 (2014)
[5] JA Gagnon-Bartsch；速度，TP，使用对照基因纠正微阵列数据中不必要的变异，生物统计学，13，33539-552（2012）
[6] Geladi，P。；Kowalski，BR，偏最小二乘回归：教程，Ana。蜂鸣器。《学报》，185，1-17（1986）
[7] Herman，W.：具有潜在变量的路径模型：尼帕尔斯方法。参见：《数量社会学》，第307-357页。爱思唯尔（1975）
[8] 莱曹，K-A；罗索，D。；罗伯特·格拉尼（Robert-Granié），C。；Besse，P.，《整合经济学数据时变量选择的稀疏pls》，《统计应用》。遗传学。分子生物学。，7，1，35（2008年）·Zbl 1276.62061号
[9] 酒类，B。；德米肖，波兰；英国石油公司Hejblum；Thiébaut，R.，应用于基因组学背景的群和稀疏群偏最小二乘法，生物信息学，32，1，35-42（2015）
[10] 酒类，B。；Mengersen，K。；宾夕法尼亚州佩蒂特；Sutton，M.，群体数据多元响应的贝叶斯变量选择回归，贝叶斯分析。，12, 4, 1039-1067 (2017) ·Zbl 1384.62259号
[11] Paaby，AB；罗克曼，MV，《多效性的许多面孔》，《基因趋势》。，29, 2, 66-73 (2013)
[12] 价格，AL；新泽西州帕特森；普伦奇，RM；缅因州温布拉特；夏迪克，NA；Reich，D.，《主成分分析修正全基因组关联研究中的分层》，《自然遗传学》。，38, 8, 904 (2006)
[13] 罗哈特，F。；埃斯拉米，A。；Matigian，N。；Bougeard，S。；Le Cao，K-A，Mint:一种多变量综合方法，用于识别独立实验和平台上的可再生分子特征，BMC Bioninform。，18, 1, 128 (2017)
[14] Seoane，JA；坎贝尔，C。；日，INM；卡萨斯，JP；Gaunt，TR，基于基因的多效性发现的典型相关分析，PLoS Compute。生物，10，10，e1003876（2014）
[15] 沈，H。；Huang，JZ，通过正则化低秩矩阵近似进行稀疏主成分分析，J.Multivar。分析。，99, 6, 1015-1034 (2008) ·Zbl 1141.62049号
[16] 西蒙，N。；弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，《稀疏群套索》，J.Compute。图表。统计，22，2，231-245（2013）
[17] Subramanian，A。；Tamayo，P。；穆塔，VK；穆克吉，S。；埃伯特，BL；马萨诸塞州吉列；Paulovich，A。；波梅罗伊，SL；Golub，TR；Lander，ES，《基因集富集分析：解释全基因组表达谱的基于知识的方法》，Proc。国家。阿卡德。科学。，102, 43, 15545-15550 (2005)
[18] 萨顿，M。；Thiébaut，R。；Liquet，B.：具有群和子群结构的稀疏偏最小二乘法。Stat.Med.（2018）37（23），3338-3356
[19] Tenenhaus，A。；菲利普，C。；吉列莫特，V。；乐曹，K-A；Grill，J。；Frouin，V.，广义典型相关分析的变量选择，生物统计学，15，3，569-583（2014）
[20] VE Vinzi；Trinchera，L；阿马托，S：请为模型评估和改进提供从基础到最新发展和开放问题的路径建模。摘自：《偏最小二乘手册》，第47-82页。施普林格（2010）
[21] Walker，S.J.：大数据：一场将改变我们生活、工作和思考方式的革命。国际期刊广告。33(1), 181-183 (2014)
[22] Wang，T。；Ho，G。；Ye，K。；斯特里克勒，H。；Elston，RC，当多个标记被基因分型时，用于建模基因-基因和基因-环境相互作用的偏最小二乘法，Genet。流行病。，33, 1, 6-15 (2009)
[23] 袁，M。；Lin，Y.，分组变量回归中的模型选择和估计，J.R.Stat.Soc.Ser。B（Stat.Methodol.），68，1，49-67（2006）·Zbl 1141.62030号
[24] 邹，H。；哈斯蒂，T。；Tibshirani，R.，稀疏主成分分析，J.Compute。图表。统计，15，2，265-286（2006）
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。