范建清;冯、杨;宋睿 稀疏超高维可加模型中的非参数独立筛选。 (英语) Zbl 1232.62064号 美国统计协会。 106,编号494,544-557(2011). 摘要:通过相关学习提出了一种变量筛选程序J.范和J.吕[J.R.Stat.Soc.,Ser.B 70,849–911(2008)]减少稀疏超高维模型中的维数。即使真实模型是线性的,边际回归也可能是高度非线性的。为了解决这个问题,我们进一步将相关学习扩展到边缘非参数学习。我们的非参数独立性筛选(NIS)是一种特定类型的确定独立性筛选。我们提出了几个密切相关的变量筛选程序。我们表明,在一般非参数模型下,在一些温和的技术条件下,所提出的独立筛选方法具有一定的筛选特性。独立筛选可以降低维度的程度也被明确量化。作为方法论的扩展,我们还提出了一种数据驱动的阈值化和迭代非参数独立筛选(INIS)方法,以提高有限样本拟合稀疏可加模型的性能。仿真结果和实际数据分析表明,该方法在样本量适中、维数大的情况下效果良好,优于同类方法。 引用于230文件 MSC公司: 62G08号 非参数回归和分位数回归 65C60个 统计中的计算问题(MSC2010) 关键词:非参数回归;稀疏性;确定独立性筛选;变量选择 软件:汞 PDF格式BibTeX公司 XML格式引用 \textit{J.Fan}等人,J.Am.Stat.Assoc.106,No.494,544--557(2011;Zbl 1232.62064) 全文: 内政部 arXiv公司 链接