一种用于 $\ell_0$ 参数化高维加速失效时间模型的原始-对偶活跃集连续算法
统计方法学
2025-02-19 v1 统计计算
摘要
加速失效时间模型因其直观的线性回归解释而引起广泛关注，并已成功应用于生物统计学、临床医学、经济学和社会科学等领域。本文考虑基于右删失数据在高维设置下的加权最小二乘估计方法，其采用 参数化。在实际实现方面，我们采用高效的原始-对偶活跃集算法，并利用连续策略选择合适的正则化参数。通过利用协变量矩阵的互相无关性质量和受限等位质量，我们对在迭代过程中活跃集中估计变量进行误差分析。此外，我们识别出活跃集中存在独特的单调性，并证明该算法在有限步数内可在预言解处终止。最后，我们使用模拟数据和真实乳腺癌数据集进行大量数值实验，以评估本方法相对于其他现有方法的性能优势。
引用
@article{arxiv.2502.12621,
title = {A Primal Dual Active Set with Continuation Algorithm for $\ell_0$-Penalized High-dimensional Accelerated Failure Time Model},
author = {Peili Li and Ruoying Hu and Yanyun Ding and Yunhai Xiao},
journal= {arXiv preprint arXiv:2502.12621},
year = {2025}
}