哈，Min Jin;孙伟;谢继春 \（mathsf{PenPC}）：估计高维有向非循环图骨架的两步方法。 （英语） Zbl 1393.62065号 生物识别 72，第1期，146-155（2016）. 摘要：有向无环图（DAG）骨架的估计对于理解潜在的DAG非常重要，当DAG不可识别时，可以从骨架评估因果影响。我们提出了一种新的方法，名为（mathsf{PenPC}），通过两步方法估计高维DAG的骨架。我们首先使用惩罚回归估计浓度矩阵的非零项，然后通过评估一组条件独立性假设来确定浓度矩阵和骨架之间的差异。对于顶点数为n的多项式或指数标度的高维问题，我们研究了两类图上的（mathsf{PenPC}）的渐近性质：所有顶点都具有相同的期望邻域数的传统随机图，和无标度图，其中一些顶点可能有大量的邻居。如癌症患者基因表达数据的广泛模拟和应用所示，（mathsf{PenPC}）比最先进的方法PC-stable算法具有更高的灵敏度和特异性。 引用于8文件 MSC公司： 62页第10页 统计学在生物学和医学中的应用；元分析 62J07型 岭回归；收缩估计器（拉索） 62小时99 多元分析 关键词：DAG公司;对数惩罚;PC-算法;惩罚回归;骨架;高维有向无环图 软件：PenPC公司;pcalg公司 PDF格式BibTeX公司 XML格式引用 \textit{M.J.Ha}等人，《生物统计学》72，第1期，146--155（2016；Zbl 1393.62065） 全文： 内政部 arXiv公司 参考文献： [1] 安德森，多元统计分析导论。2003 (2003) ·Zbl 1039.62044号 [2] 巴拉巴西，《随机网络中尺度的出现》，《科学》286，第509页–（1999）·Zbl 1226.05223号 ·doi:10.1126/science.286.5439.509 [3] 癌症基因组图谱网络，人类乳腺肿瘤的综合分子肖像，《自然》第490页，第61页–（2012年）·doi:10.1038/nature11412 [4] Chen，大模型空间模型选择的扩展贝叶斯信息标准，Biometrika 95 pp 759–（2008）·Zbl 1437.62415号 ·doi:10.1093/biomet/asn034 [5] Chen，T.Sun，W.Fine，J.2014高维问题中的惩罚函数设计：调谐参数的作用·Zbl 1397.62259号 [6] Chickering，贪婪搜索的最优结构识别，机器学习研究杂志3 pp 507–（2003）·兹比尔1084.68519 [7] Colombo，D.Maathuis，M.2012对pc算法进行修改，生成订单相关骨架arXiv预打印arXiv:1211.3295 [8] Erdös，《关于随机图的演化》，匈牙利科学院数学研究所出版物，第5页，第17页–（1960） [9] Fan，非凹陷惩罚概率与np维，信息论，IEEE Transactions on 57 pp 5467–（2011）·Zbl 1365.62277号 ·doi:10.1109/TIT.2011.2158486 [10] 赫克曼，《学习贝叶斯网络：知识和统计数据的结合》，《机器学习》20页197–（1995）·Zbl 0831.68096号 ·doi:10.1007/BF00994016 [11] Kalisch，用pc-算法估计高维有向无环图，机器学习研究杂志8，第613页–（2007）·兹比尔1222.68229 [12] Kalisch，使用图形模型和R包pcalg进行因果推断，《统计软件杂志》47第1页–（2012）·doi:10.18637/jss.v047.i11 [13] Lauritzen，图形模型（1996）·Zbl 0907.62001 [14] 刘，国际人工智能与统计会议，第40页–（2011年） [15] Loh，通过逆协方差估计进行线性因果网络的高维学习，《机器学习研究杂志》，15页，3065–（2014）·Zbl 1318.68148号 [16] Maathuis，《从观测数据预测大规模系统的因果效应》，《自然方法》第7卷第247页–（2010年）·doi:10.1038/nmeth0410-247 [17] Maathuis，《从观测数据估计高维干预效应》，《统计年鉴》37第3133页–（2009年）·Zbl 1191.62118号 ·doi:10.1214/09-AOS685 [18] Mazumder，Sparsenet：协调世系与非凸惩罚，《美国统计协会杂志》106（2011）·Zbl 1229.62091号 ·doi:10.1198/jasa.2011.tm09738 [19] Meek，《第十一届人工智能不确定性会议论文集》，第411页–（1995年） [20] Meinshausen，《用套索选择高维图和变量》，《统计年鉴》第34卷第1436页–（2006年）·Zbl 1113.62082号 ·doi:10.1214/09053606000000281 [21] Móri，barabási-albert随机树的最大度，组合概率与计算14 pp 339–（2005）·兹比尔1078.05077 ·网址：10.1017/S0963548304006133 [22] 珀尔，《因果关系：模型、推理和推断》（2009）·doi:10.1017/CBO9780511803161 [23] Rhodes，人类蛋白质相互作用网络的概率模型，《自然生物技术》23 pp 951–（2005）·doi:10.1038/nbt1103 [24] Schmidt，M.Niculescu-Mizil，A.Murphy，K.2007使用l1-正则化路径AAAI 1278 1283学习图形模型结构 [25] Shojaie，估计稀疏高维有向非循环图的惩罚似然方法，Biometrika 97 pp 519–（2010）·Zbl 1195.62090号 ·doi:10.1093/biomet/asq038 [26] 灵魂、因果、预测和搜索（2000） [27] Sun，《通过迭代自适应惩罚回归在实验杂交中进行全基因组多基因定位》，《遗传学》185，第349页–（2010年）·doi:10.1534/genetics.110.114280 [28] Teyssier，M.Koller，D.2005基于排序的搜索：UAI 584 590中学习贝叶斯网络的简单有效算法 [29] Tsamardinos，The max-min爬山贝叶斯网络结构学习算法，机器学习65 pp 31–（2006）·Zbl 1470.68192号 ·doi:10.1007/s10994-006-6889-7 [30] van de Geer，稀疏有向无环图的l0惩罚最大似然，《统计年鉴》第41卷第536页–（2013）·Zbl 1267.62037号 ·doi:10.1214/13-AOS1085 [31] 赵，关于套索的模型选择一致性，机器学习研究杂志，第7页，2541–（2006）·Zbl 1222.62008年 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。