超高维判别分析的无模型特征筛选
-
采购管理信息: 26392643 -
预防性维修识别码: 项目经理4574103 -
内政部: 2014年10月80日至2016年9月20256日
用于超高维判别分析的无模型特征筛选
摘要
数字
类似文章
-
超高维数据的无模型条件独立性特征筛选。 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。 -
基于成对确定独立筛选的超高维多类线性判别分析。 J Am Stat Assoc.2016年; 111(513):169-179. doi:10.1080/01621459.2014.998760。 Epub 2016年5月5日。 J Am Stat Assoc.2016年。 采购管理信息: 28127109 免费PMC文章。 -
超高维Cox模型中的特征筛选。 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。 -
超高维协变量变系数模型的特征选择。 美国国家统计协会2014年1月1日; 109(505):266-274。 doi:10.1080/01621459.2013.850086。 美国统计协会杂志,2014年。 采购管理信息: 24678135 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。 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。
引用人
-
马肠道损伤模型中肠道代谢组、微生物组和脱叶组数据的综合分析。 微生物组。 2024年4月15日; 12(1):74. doi:10.1186/s40168-024-01785-1。 微生物组。 2024 采购管理信息: 38622632 免费PMC文章。 -
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。 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。 -
具有高维特征的变系数模型的鲁棒稀疏学习。 J Appl Stat.2022年8月9日; 50(16):3312-3336. doi:10.1080/02664763.2022.2109129。 eCollection 2023年。 《申请统计杂志》2022年。 采购管理信息: 37969890 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。 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。 -
广义线性模型中高维变量选择的特征筛选。 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。
工具书类
-
Clemmensen L,Hastie T,Witten D,Ersboll B.稀疏判别分析。 技术计量学。 2011; 53:406–415.