MARGINAL EMPIRICAL LIKELIHOOD AND SURE INDEPENDENCE FEATURE SCREENING

doi:10.1214/13-AOS1139

.2013年8月1日；41（4）:10.1214/13-AOS1139。

doi:10.1214/13-AOS1139。

边际经验似然与确定独立性特征筛选

金源昌¹, 程永堂¹, 吴一超¹

附属公司

PMID： 24415808
预防性维修识别码：项目经理3887322
内政部： 2014年10月14日/13月1139日

边缘经验相似性和绝对独立性特征筛选

金源昌等。 Ann Stat公司. 2013.

.2013年8月1日；41（4）：10.1214/13-AOS1139。

doi:10.1214/13-AOS1139。

作者

金源昌¹, 程永堂¹, 吴一超¹

附属

¹北京大学、科罗拉多大学丹佛分校和北卡罗来纳州立大学。

PMID： 24415808
预防性维修识别码：项目经理3887322
内政部： 10.1214/13-AOS1139

摘要

我们研究了一种边际经验似然方法，该方法适用于变量数量随样本大小呈指数增长的情景。系统地研究了作为感兴趣参数函数的边际经验似然比，我们发现在零处评估的边际经验似然比可以用来区分解释变量是否对响应变量有贡献。基于这一发现，我们提出了线性模型和广义线性模型的统一特征筛选过程。与大多数依赖某些边缘估计量的大小来识别真实信号的现有特征筛选方法不同，所提出的筛选方法能够进一步合并此类估计量的不确定性水平。这种优点继承了经验似然方法的自学习特性，扩展了现有特征筛选方法的见解。此外，我们还表明，我们的筛选方法对分布假设的限制较小，并且可以方便地适用于广泛的场景，例如使用一般矩条件指定的模型。通过仿真和数据分析，我们的理论结果和大量的数值例子证明了边际经验似然方法的优点。

关键词：经验似然；高维数据分析；大偏差；确保独立筛选。

PubMed免责声明

类似文章

基于边缘经验相似性的非参数和半参数模型的局部独立特征筛选。
Chang J、Tang CY、Wu Y。 Chang J等人。 2016年统计年鉴；44(2):515-539. doi:10.1214/15-AOS1374。Epub 2016年3月17日。 Ann Stat.2016年。 PMID：27242388 免费PMC文章。
超高维判别分析的无模型特征筛选。
崔华，李锐，钟伟。崔华等。 J Am Stat Assoc.2015年6月1日；110（510）：630-641。doi:10.1080/01621459.2014.920256。 2015年美国统计协会杂志。 PMID：26392643 免费PMC文章。
超高维Cox模型中的特征筛选。
Yang G，Yu Y，Li R，Buu A。 Yang G等人。统计正弦。2016;26:881-901. doi:10.5705/ss.2014.171。统计正弦。2016 PMID：27418749 免费PMC文章。
超高维数据特征筛选的选择性概述。
L靖远，Z卫，李润泽。 L靖远等。科学中国数学。2015年10月；58(10):2033-2054. doi:10.1007/s11425-015-5062-9。Epub 2015年8月22日。科学中国数学。2015 PMID：26779257 免费PMC文章。
基于岭偏最小二乘回归的近红外光谱数据变量筛选。
Zhao N，Xu Q，Tang ML，Wang H。赵恩等。梳状化学高通量屏幕。2020;23(8):740-756. doi:10.2174/1386207323666200428114823。梳状化学高通量屏幕。2020 PMID：32342803 审查。

查看所有类似文章

引用人

通过控制错误发现进行分位数自适应充分变量筛选。
袁Z，陈J，邱H，黄Y。袁Z等。熵（巴塞尔）。2023年3月17日；25(3):524. doi:10.3390/e25030524。熵（巴塞尔）。2023 PMID：36981413 免费PMC文章。
超高维生存数据的无模型切片筛选。
张杰、刘毅。张杰等。 J Appl Stat.2020年6月2日；48(10):1755-1774. doi:10.1080/02664763.2020.1772734。eCollection 2021年。《2020年申请统计》。 PMID：35706712 免费PMC文章。
病例组研究中超高维生存数据的条件筛查。
张杰，周浩，刘毅，蔡杰。张杰等。寿命数据分析。2021年10月；27(4):632-661. doi:10.1007/s10985-021-09531-7。Epub 2021年8月20日。寿命数据分析。2021 PMID：34417679 免费PMC文章。
通过累积发散进行无模型正向筛选。
周涛，朱磊，徐C，李锐。 Zhou T等。 2020年美国统计协会杂志；115（531）：1393-1405。doi:10.1080/01621459.2019.1632078。Epub 2019年7月22日。美国统计协会杂志，2020年。 PMID：33487782 免费PMC文章。
超高维案例II间隔相关失效时间数据的非参数筛选和特征选择。
Hu Q、Zhu L、Liu Y、Sun J、Srivastava DK、Robinson LL。 Hu Q等人。 Biom J.2020年12月；62(8):1909-1925. doi:10.1002/bimj.201900154。Epub 2020年7月16日。生物杂志2020。 PMID：32677168 免费PMC文章。

查看所有“被引用”文章

工具书类

1. Bühlmann P，van de Geer S.理论与应用。施普林格；海德堡：2011年。高维数据统计：方法。
1. Chang J，Chen SX，Chen X.相依数据矩约束的高维广义经验似然。2013年，网址：arXiv:1308.5732。
1. Chang J，Tang CY，Wu Y.对“边际经验似然和确定独立性特征筛选”的补充。2013年doi:10.1214/13-AOS1139SUPP。-内政部-项目管理咨询公司-公共医学
1. Chen SX，Cui H.广义线性模型的扩展经验似然。中央统计局。2003;13:69–81.
1. 陈雪霞，高杰，唐春云。扩散过程模型规范的检验。安·统计师。2008;36:167–198.

赠款和资金

R01 CA149569/CA/NCI NIH HHS/美国

LinkOut-更多资源

全文源
- 欧洲PubMed Central
- 公共医学中心
其他文献来源
- scite智能引文

[1] Bühlmann P，van de Geer S.理论与应用。施普林格；海德堡：2011年。高维数据统计：方法。

[2] Bühlmann P，van de Geer S.理论与应用。施普林格；海德堡：2011年。高维数据统计：方法。

[3] Chang J，Chen SX，Chen X.相依数据矩约束的高维广义经验似然。2013年，网址：arXiv:1308.5732。

[4] Chang J，Chen SX，Chen X.相依数据矩约束的高维广义经验似然。2013年，网址：arXiv:1308.5732。

[5] Chang J，Tang CY，Wu Y.对“边际经验似然和确定独立性特征筛选”的补充。2013年doi:10.1214/13-AOS1139SUPP。-内政部-项目管理咨询公司-公共医学

[6] Chang J，Tang CY，Wu Y.对“边际经验似然和确定独立性特征筛选”的补充。2013年doi:10.1214/13-AOS1139SUPP。-内政部-项目管理咨询公司-公共医学

[7] Chen SX，Cui H.广义线性模型的扩展经验似然。中央统计局。2003;13:69–81.

[8] Chen SX，Cui H.广义线性模型的扩展经验似然。中央统计局。2003;13:69–81.

[9] 陈雪霞，高杰，唐春云。扩散过程模型规范的检验。安·统计师。2008;36:167–198.

[10] 陈雪霞，高杰，唐春云。扩散过程模型规范的检验。安·统计师。2008;36:167–198.

将引文保存到文件

电子邮件引文

添加到集合

添加到我的书目

您保存的搜索

为外部引文管理软件创建文件

您的RSS源