多重 Knockoff 的聚合
统计理论
2020-06-26 v2 应用统计
统计方法学
机器学习
统计理论
摘要
我们发展了由 Barber 和 Candes（2015）提出的 Knockoff 推断过程的扩展。这一新方法称为多重 Knockoff 聚合（AKO），解决了基于 Knockoff 的推断其随机本质所固有的不稳定性。具体而言，与原始 Knockoff 算法相比，AKO 同时改善了稳定性和功效，同时仍保持对错误发现率控制的保证。我们提供了一种新的推断过程，证明其核心性质，并在一组合成与真实数据集的实验中展示了其优势。
关键词
引用
@article{arxiv.2002.09269,
title = {Aggregation of Multiple Knockoffs},
author = {Tuan-Binh Nguyen and Jérôme-Alexis Chevalier and Bertrand Thirion and Sylvain Arlot},
journal= {arXiv preprint arXiv:2002.09269},
year = {2020}
}
备注
Accepted to ICML 2020 (Thirty-seventh International Conference on Machine Learning). This version includes both the main text of the conference paper and supplementary materials (as appendices). 35 pages, 7 figures