×
Eugen Pircalabelu公司；安德烈亚斯·阿尔特米奥

通过主投影进行高维充分降维。 （英语） Zbl 1493.62320号

电子。J.统计。 1804-1830（2022）第1期16号.
小结：我们在这项工作中开发了一种新的高维设置降维方法。该方法基于主支持向量机框架，其中使用主投影来克服协方差矩阵的不可逆性。使用一系列等价，我们表明可以使用在低维子空间上的投影，然后应用\（\ell_1\）惩罚策略来获得足够方向的稀疏估计，来精确地恢复中心子空间。下一步，基于一个消散估计，我们为高维模型提供了一个推断程序，该程序允许测试变量在确定充分方向方面的重要性。通过仿真和实际数据实验，说明了该方法的理论性质和计算优势。

MSC公司：

62甲12 多元分析中的估计
62H25个 因子分析和主成分；对应分析
62J02型 一般非线性回归
62小时15分 多元分析中的假设检验

关键词：

充分降维；支持向量机；二次规划；\（\ell_1\）惩罚估计；亏损估计量

软件：

spcov公司
PDF格式BibTeX公司 XML格式引用
\textit｛E.Pircalabelu｝和\textit｛A.Artemiou｝，电子。J.Stat.16，No.1，1804--1830（2022年；Zbl 1493.62320）
全文： 内政部 链接

参考文献：

[1] Artemiou，A.和Dong，Y.（2016）。基于主支持向量机的充分降维。电子统计杂志, 10(1):783-805. ·Zbl 1419.62080号
[2] Artemiou，A.、Dong，Y.和Shin，S.J.（2021）。通过主最小二乘支持向量机实时降维。模式识别, 112:107768.
[3] Artemiou，A.和Shu，M.（2014）。一种基于代价的主支持向量机重加权方案。在M.G.Akritas、S.N.Lahiri和D.N.Politis的编辑中，非参数统计主题，第1-12页。斯普林格·Zbl 1349.62092号
[4] Bickel，P.J.和Levina，E.（2008）。通过阈值进行协方差正则化。统计年鉴, 36(6):2577-2604. ·兹比尔1196.62062
[5] Bickel，P.J.、Ritov，Y.和Tsybakov，A.B.（2009年）。Lasso和Dantzig选择器的同时分析。统计年鉴, 37(4):1705-1732. ·Zbl 1173.62022号
[6] Bien，J.和Tibshirani，R.J.（2011）。协方差矩阵的稀疏估计。生物计量学, 98(4):807-820. ·Zbl 1228.62063号
[7] Bühlmann，P.、Kalisch，M.和Meier，L.（2014）。着眼于生物学应用的高维统计。统计年鉴及其应用，1（1）:255-278。
[8] Bühlmann，P.和Van De Geer，S.（2011）。高维数据统计：方法、理论与应用施普林格·Zbl 1273.62015年
[9] Cai，T.、Liu，W.和Luo，X.（2011）。稀疏精度矩阵估计的约束极小化方法。美国统计协会杂志, 106(494):594-607. ·Zbl 1232.62087号
[10] Cai，T.T.，Zhang，C.-H.和Zhou，H.H.（2010）。协方差矩阵估计的最佳收敛速度。统计年鉴，38（4）：2118-2144·Zbl 1202.62073号
[11] Cook，R.和Li，B.（2002年）。回归中条件均值的降维。统计年鉴, 30(2):455-474. ·Zbl 1012.62035号
[12] 库克·R·D（2007）。费希尔讲座：回归中的降维。统计科学, 22(1):1-26. ·Zbl 1246.62148号
[13] Cook，R.D.和Weisberg，S.（1991年）。《李的讨论》（1991）。美国统计协会杂志, 86(414):328-332. ·Zbl 1353.62037号
[14] Cortes，C.和Vapnik，V.（1995年）。支持向量网络。机器学习, 20(3):273-297. ·Zbl 0831.68098号
[15] Fan，J.、Liao，Y.和Mincheva，M.（2011）。近似因子模型中的高维协方差矩阵估计。统计年鉴, 39(6):3320-3356. ·Zbl 1246.62151号
[16] Fukumizu，K.、Bach，F.R.和Jordan，M.I.（2009年）。回归中的核降维。统计年鉴, 37(4):1871-1905. ·Zbl 1168.62049号
[17] Gueuning，T.和Claeskens，G.（2016）。高维部分线性单指数模型的置信区间。多变量分析杂志, 149:13-29. ·Zbl 1341.62107号
[18] Javanmard，A.和Montanari，A.（2014）。高维回归的置信区间和假设检验。机器学习研究杂志, 15:2869-2909. ·Zbl 1319.62145号
[19] Ledoit，O.和Wolf，M.（2004年）。大维协方差矩阵的条件良好估计。多变量分析杂志, 88(2):365-411. ·Zbl 1032.62050
[20] Li，B.、Artemiou，A.和Li，L.（2011）。线性和非线性充分降维的主支持向量机。统计年鉴, 39(6):3182-3210. ·Zbl 1246.62153号
[21] Li，B.和Wang，S.（2007）。关于降维的方向回归。美国统计协会杂志, 102(479):997-1008. ·Zbl 1469.62300号
[22] Li，B.、Zha，H.和Chiaromonte，F.（2005）。轮廓回归：一种通用的降维方法。统计年鉴, 33(4):1580-1616. ·Zbl 1078.62033号
[23] Li，K.-C.（1991）。用于降维的分段逆回归（带讨论）。美国统计协会杂志, 86(414):316-327. ·Zbl 0742.62044号
[24] Li，K.-C.（1992）。关于数据可视化和降维的主要Hessian方向：Stein引理的另一个应用。美国统计协会杂志，87（420）：1025-1039·Zbl 0765.62003年
[25] Lin，Q.，Zhao，and Liu，J.S.（2018年）。关于高维切片逆回归的一致性和稀疏性。统计年鉴, 46(2):580-610. ·Zbl 1395.62196号
[26] Lin，Q.，Zhao，and Liu，J.S.（2019年）。通过套索进行稀疏切片反向回归。美国统计协会杂志, 114(528):1726-1739. ·Zbl 1428.62320号
[27] Mardia，K.、Kent，J.和Bibby，J.（1979年）。多元分析学术出版社·Zbl 0432.62029号
[28] Pircalabelu，E.和Artemiou，A.（2021）。基于图形的分段逆回归。计算统计与数据分析, 164:107302. ·Zbl 07422869号
[29] Randall，H.、Artemiou，A.和Qiao，X.（2021）。基于距离加权判别的充分降维。斯堪的纳维亚统计杂志, 48:1186-1211. ·兹比尔07607019
[30] Raskutti，G.、Wainwright，M.J.和Yu，B.（2010年）。相关高斯设计的受限特征值特性。机器学习研究杂志, 11:2241-2259. ·Zbl 1242.62071号
[31] Scheetz，T.、Kim，K.-Y.、Swiderski，R.、Philp，A.、Braun，T.，Knudtson，K.、Dorrance，A.、DiBona，G.、Huang，J.、Casavant，T..、Sheffield，V.和Stone，E.（2006）。哺乳动物眼睛中基因表达的调节及其与眼病的相关性。美国国家科学院院刊, 103(39):14429-14434.
[32] Shin，S.J.和Artemiou，A.（2017年）。稀疏充分降维的惩罚主logistic回归。计算统计与数据分析，111:48-58·Zbl 1464.62159号
[33] Shin，S.J.、Wu，Y.、Zhang，H.H.和Liu，Y..（2017）。用于二进制分类中充分降维的主加权支持向量机。生物计量学, 104(1):67-81. ·Zbl 1506.62332号
[34] Tsanas，A.、Little，M.A.、Fox，C.和Ramig，L.O.（2014）。目的自动评估帕金森病康复言语治疗效果。IEEE神经系统与康复工程汇刊, 22(1):181-190.
[35] van de Geer，S.、Bühlmann，P.、Ritov，Y.和Dezeure，R.（2014）。关于高维模型的渐近最优置信域和检验。统计年鉴, 42(3):1166-1202. ·Zbl 1305.62259号
[36] 吴海明（2008）。核切片逆回归及其在分类中的应用。计算与图形统计杂志, 17(3):590-610.
[37] Yin，X.、Li，B.和Cook，R.D.（2008）。连续方向提取用于估计多元回归中的中心子空间。多变量分析杂志, 99(8):1733-1757. ·Zbl 1144.62030号
[38] Zafeiriou，S.、Tefas，A.和Pitas，I.（2007年）。最小类方差支持向量机。IEEE图像处理汇刊, 16:2551-2564.
[39] Zhang，C.-H.和Zhang、S.S.（2014）。高维线性模型中低维参数的置信区间。英国皇家统计学会期刊。B.系列统计方法, 76(1):217-242. ·Zbl 1411.62196号
[40] Zhu，L.-P.，Zhu、L.-X.和Feng，Z.-H.（2010）。通过累积切片估计的回归降维。美国统计协会杂志, 105(492):1455-1466. ·兹比尔1388.62121
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。