一种用于组最佳子集选择的分接方法
机器学习
2022-09-20 v3 机器学习
摘要
组最佳子集选择（BSGS）是选取一小部分不重叠组以在响应变量上获得最佳可解释性的过程。它已引起越来越多的关注，并在实践中有着深远的应用。然而，由于 BSGS 在高维环境下的计算难解性，开发高效算法来求解 BSGS 仍是一个研究热点。本文提出一种组分接算法，迭代地检测相关组并排除不相关组。此外，结合一种新颖的组信息准则，我们开发了自适应算法以确定最优模型规模。在温和条件下，可证明我们的算法能以高概率在多项式时间内识别出最优组子集。最后，我们通过在合成与真实数据集上与若干最先进（state-of-the-art）算法的比较，证明了所提方法的效率与准确性。
引用
@article{arxiv.2104.12576,
title = {A Splicing Approach to Best Subset of Groups Selection},
author = {Yanhang Zhang and Junxian Zhu and Jin Zhu and Xueqin Wang},
journal= {arXiv preprint arXiv:2104.12576},
year = {2022}
}
备注
49 pages, 7 figures