×
周廷友;朱丽萍

超高维删失回归的无模型特征筛选。 （英语） Zbl 1384.62144号

统计计算。 27，第4期，947-961（2017）.
摘要：在本文中，我们设计了一个确定的具有超高维协变量的删失回归（cSIRS）的独立排序和筛选程序。逆概率加权cSIRS程序是无模型的，因为它没有指定响应变量和协变量之间的参数或半参数回归函数。因此，它对模型误定具有鲁棒性。这种无模型特性在超高维数据分析中非常有吸引力，尤其是在缺乏基本回归结构信息的情况下。cSIRS程序在存在异常值或极值的情况下也是稳健的，因为它只使用截尾响应变量的秩。当协变量的个数满足（p=o{exp（an）}）时，我们建立了cSIRS过程的确定筛选和排序一致性性质，其中（a）是一个正常数，（n）是可用样本量。cSIRS相对于现有竞争对手的优势是通过综合模拟和对弥漫性大B细胞淋巴瘤数据集的应用证明。

引用于29文件

MSC公司：

62G08号 非参数回归和分位数回归
62J12型 广义线性模型（逻辑模型）
62N01号 审查数据模型
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

经审查的数据;特征筛选;排序一致性;确定屏蔽性能;超高维数据
PDF格式BibTeX公司 XML格式引用
\textit{T.Zhou}和\textit{L.Zhu}，统计计算。27，第4号，947-961（2017年；兹bl 1384.62144）
全文： 内政部

参考文献：

[1] Fan，J.，Feng，Y.，Wu，Y.：考克斯比例风险模型的高维变量选择。IMS收集。6, 70-86 (2010)
[2] Fan，J.，Li，R.：考克斯比例风险模型和脆弱性模型的变量选择。Ann.Stat.30，74-99（2002）·Zbl 1012.62106号 ·doi:10.1214/aos/1015362185
[3] Fan，J.，Lv，J.：超高维特征空间的确定独立筛选（讨论）。J.R.Stat.Soc.B 70，849-911（2008）·Zbl 1411.62187号 ·doi:10.1111/j.1467-9868.2008.00674.x
[4] Fan，J.、Samworth，R.、Wu，Y.：超高维特征选择：超越线性模型。J.马赫。学习。1829-1853年第10号决议（2009年）·Zbl 1235.62089号
[5] Fan，J.，Song，R.：具有NP维的广义线性模型中的确定独立筛选。《美国年鉴》第38卷第3567-3604页（2010年）·Zbl 1206.68157号 ·doi:10.1214/10-AOS798
[6] Fang，K.T.，Kotz，S.，Ng，K.W.：对称多元及相关分布。查普曼和霍尔，伦敦（1989）·Zbl 0699.62048号
[7] Gorst-Rasmussen，A.，Scheike，T.：具有超高维特征的单指标风险率模型的独立筛选。J.R.Stat.Soc.B 75，217-245（2013）·Zbl 07555446号 ·文件编号：10.1111/j.1467-9868.2012.01039.x
[8] He，X.，Wang，L.，Hong，H.：高维异质数据的分位数自适应无模型变量筛选。Ann.Stat.41，342-369（2013）·Zbl 1295.62053号 ·doi:10.1214/13-AOS1087
[9] Li，G.，Peng，H.，Zhang，J.，Zhu，L.：基于稳健秩相关的筛选。Ann.Stat.40，1846-1877（2012年a）·Zbl 1257.62067号 ·doi:10.1214/12-AOS1024
[10] Li，R.，Zhong，W.，Zhu，L.：通过距离相关学习进行特征筛选。《美国统计协会期刊》107，1129-1139（2012b）·Zbl 1443.62184号 ·doi:10.1080/01621459.2012.695654
[11] Lo，S.H.，Singh，K.：产品极限估计和引导：一些渐近表示。普罗巴伯。理论关联。字段71、455-465（1986）·兹比尔0561.62032 ·doi:10.1007/BF01000216
[12] Lu，W.，Li，L.：具有删失生存数据的非线性变换模型的Boosting方法。生物统计学9658-667（2008）·Zbl 1437.62546号 ·doi:10.1093/biostatistics/kxn005
[13] Rosenwald，A.、Wright，G.、Chan，W.C.、Connors，J.M.、Hermelink，H.K.、Smeland，E.B.、Staudt，L.M.：使用分子分析预测弥漫性大B细胞淋巴瘤化疗后的生存率。北英格兰。《医学杂志》3461937-1947（2002）·doi:10.1056/NEJMoa012914
[14] Serfling，R.J.：数理统计的近似定理。威利，纽约（1980）·Zbl 0538.62002号 ·数字对象标识代码：10.1002/9780470316481
[15] Tibshirani，R.：通过套索进行回归收缩和选择。J.R.Stat.Soc.B 58，267-288（1996）·Zbl 0850.62538号
[16] Uno，H.，Cai，T.，Pencina，M.J.，D’Agostino，R.B.，Wei，L.J.：关于用删失生存数据评估风险预测程序总体充分性的c-统计量。Stat.Med.30，1105-1117（2011）
[17] Zhao，S.D.，Li，Y.：超高维协变量cox模型的原则性确定独立筛选。J.多变量。分析。105, 397-411 (2012) ·Zbl 1233.62173号 ·doi:10.1016/j.jmva.2011.08.002
[18] Zhu，L.P.，Li，L.，Li.，R.，Zhu和L.X.：超高维数据的无模型特征筛选。《美国统计协会期刊》106，1464-1475（2011）·Zbl 1233.62195号 ·doi:10.1198/jasa.2011.tm10563
[19] Zou，H.：自适应套索及其预言属性。《美国法律总汇》第101卷第1418-1429页（2006年）·Zbl 1171.62326号 ·doi:10.1198/016214500000735
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。