Feature Screening via Distance Correlation Learning

doi:10.1080/01621459.2012.695654

.2012年7月1日；107(499):1129-1139.

doi:10.1080/01621459.2012.695654。

基于距离相关学习的特征筛选

李润泽¹, 魏忠¹, 朱丽萍¹

附属公司

采购管理信息： 25249709
预防性维修识别码：下午4点170057
内政部： 10.1080/01621459.2012.695654

基于距离相关学习的特征筛选

李润泽等。美国统计协会. 2012.

.2012年7月1日；107(499):1129-1139.

doi:10.1080/01621459.2012.695654。

作者

李润泽¹, 魏忠¹, 朱丽萍¹

附属

¹宾夕法尼亚州立大学、厦门大学和上海财经大学。

采购管理信息： 25249709
预防性维修识别码：下午4点170057
内政部： 10.1080/01621459.2012.695654

摘要

本文研究超高维数据分析中的筛选特征，这在不同的科学领域中变得越来越重要。我们开发了一种基于距离相关性的确定独立性筛选程序（简称DC-SIS）。DC-SIS可以像Fan和Lv（2008）提出的基于Pearson相关性（简称SIS）的确定独立性筛选程序一样容易实施。然而，DC-SIS可以显著改善SIS。Fan和Lv（2008）基于线性模型建立了SIS的确定筛选属性，但在更一般的设置（包括线性模型）下，确定筛选属性对DC-SIS有效。此外，DC-SIS的实现不需要用于响应或预测的模型规范（例如，线性模型或广义线性模型）。在超高维数据分析中，这是一个非常吸引人的特性。此外，DC-SIS可直接用于筛选分组预测变量和多变量响应变量。我们建立了DC-SIS的可靠屏蔽特性，并进行了仿真以检验其有限样本性能。数值比较表明，在各种模型中，DC-SIS比SIS具有更好的性能。我们还通过一个实际数据示例来说明DC-SIS。

关键词：距离相关；确定屏蔽性能；超高维；变量选择。

PubMed免责声明

数字

请参阅PMC中的此图像和版权信息

类似文章

超高维Cox模型中的特征筛选。
杨庚，于毅，李锐，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 采购管理信息：27418749 免费PMC文章。
超高维数据的无模型条件独立性特征筛选。
王磊，刘杰，李毅，李锐。王磊等。科学中国数学。2017年3月；60(3):551-568. doi:10.1007/s11425-016-0186-8。Epub 2016年12月29日。科学中国数学。2017 采购管理信息：28649265 免费PMC文章。
广义线性模型中高维变量选择的特征筛选。
江杰、尚杰。姜杰等。熵（巴塞尔）。2023年5月26日；25(6):851. doi:10.3390/e25060851。熵（巴塞尔）。2023 采购管理信息：37372195 免费PMC文章。
具有分类响应的超高维数据的通用无模型特征筛选程序。
Cheng X，Wang H。 Cheng X等人。计算机方法程序生物识别。2023年2月；229:107269. doi:10.1016/j.cmpb.2022.107269。Epub 2022年11月26日。计算机方法程序生物识别。2023 采购管理信息：36463676 审查。
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 采购管理信息：32342803 审查。

查看所有类似文章

引用人

使用分离和合并的去相关分数对观察数据中的高维个体化治疗规则进行估计和推断。
Liang M、Choi YG、Ning Y、Smith MA、Zhao YQ。 Liang M等人。 J Mach Learn Res.2022；23:262. J Mach Learn Res.2022年。采购管理信息：38098839 免费PMC文章。
间隔值响应的特征筛选，并应用于研究过账工资和所需技能之间的关联。
钟伟，钱C，刘伟，朱莉，李瑞。钟伟等。美国统计协会杂志，2023年；118(542):805-817. doi:10.1080/01621459.2022.2152342。Epub 2023年1月11日。美国统计协会杂志，2023年。采购管理信息：37448462 免费PMC文章。
基于杠杆得分的无模型变量筛选方法。
钟伟，刘毅，曾鹏。钟伟等。美国统计协会杂志，2023年；118（541）：135-146。doi:10.1080/01621459.2021.1918554。Epub 2021年6月21日。美国统计协会杂志，2023年。采购管理信息：37346228 免费PMC文章。
论部分距离相关在深度学习中的通用性。
Zhen X、Meng Z、Chakraborty R、Singh V。 Zhen X等。计算能见度ECCV。2022年10月；13686:327-346. doi:10.1007/978-3-031-19809-0_19。Epub 2022年11月1日。计算能见度ECCV。2022 采购管理信息：37255993 免费PMC文章。
家族性全基因组关联研究数据中多个重要单核苷酸多态性的同时选择。
Majumdar S、Basu S、McGue M、Chatterjee S。 Majumdar S等人。科学代表2023年5月25日；13(1):8476. doi:10.1038/s41598-023-35379-y。科学代表2023。采购管理信息：37231056 免费PMC文章。

查看所有“被引用”文章

工具书类

1. Ashburner M、Ball CA、Blake JA、Botstein D、Butler H等，《基因本体：生物学统一工具》。基因本体联盟。自然遗传学。2000;25:25–29.-项目管理咨询公司-公共医学
1. 图A，姚G，Chang JT，Wang Q，Potti A，等。人类癌症中的致癌途径特征作为靶向治疗的指南。自然。2006;439:353–357.-公共医学
1. Candes E，Tao T.《Dantzig选择器：当p远大于n时的统计估计》（带讨论）《统计年鉴》。2007;35:2313–2404.
1. Chen LS，Paul D，Prentice RL，Wang P.A将Hotelling的T2试验用于蛋白质组研究中的通路分析。美国统计协会杂志。2011;106:1345–1360。-项目管理咨询公司-公共医学
1. Efron B、Hastie T、Johnstone I、Tibshirani R.最小角回归（讨论）统计年鉴。2004;32:409–499.

赠款和资金

LinkOut-更多资源

全文源
- 欧洲PubMed Central
- 公共医学中心
其他文献来源
- 镜片-专利引文

[1] Ashburner M、Ball CA、Blake JA、Botstein D、Butler H等，《基因本体：生物学统一工具》。基因本体联盟。自然遗传学。2000;25:25–29.-项目管理咨询公司-公共医学

[2] Ashburner M、Ball CA、Blake JA、Botstein D、Butler H等，《基因本体：生物学统一工具》。基因本体联盟。自然遗传学。2000;25:25–29.-项目管理咨询公司-公共医学

[3] 图A，姚G，Chang JT，Wang Q，Potti A，等。人类癌症中的致癌途径特征作为靶向治疗的指南。自然。2006;439:353–357.-公共医学

[4] 图A，姚G，Chang JT，Wang Q，Potti A，等。人类癌症中的致癌途径特征作为靶向治疗的指南。自然。2006;439:353–357.-公共医学

[5] Candes E，Tao T.《Dantzig选择器：当p远大于n时的统计估计》（带讨论）《统计年鉴》。2007;35:2313–2404.

[6] Candes E，Tao T.《Dantzig选择器：当p远大于n时的统计估计》（带讨论）《统计年鉴》。2007;35:2313–2404.

[7] Chen LS，Paul D，Prentice RL，Wang P.A将Hotelling的T2试验用于蛋白质组研究中的通路分析。美国统计协会杂志。2011;106:1345–1360。-项目管理咨询公司-公共医学

[8] Chen LS，Paul D，Prentice RL，Wang P.A将Hotelling的T2试验用于蛋白质组研究中的通路分析。美国统计协会杂志。2011;106:1345–1360。-项目管理咨询公司-公共医学

[9] Efron B、Hastie T、Johnstone I、Tibshirani R.最小角回归（讨论）统计年鉴。2004;32:409–499.

[10] Efron B、Hastie T、Johnstone I、Tibshirani R.最小角回归（讨论）统计年鉴。2004;32:409–499.

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

基于距离相关学习的特征筛选

附属

基于距离相关学习的特征筛选

作者

附属

摘要

数字

类似文章

引用人

工具书类

赠款和资金

LinkOut-更多资源

全文源

其他文献来源

摘要

数字

类似文章

引用人

工具书类

相关信息

赠款和资金

LinkOut-更多资源

全文源

其他文献来源