通过掩蔽似然比的渐近最优Knockoff统计量

在特征选择问题中，knockoffs（模仿变量）是原始特征的合成对照。使用knockoffs可使分析人员近乎任意地选用变量重要性度量或“特征统计量”来选择特征，同时严格控误发现。然而，尚不清楚何种统计量能最大化功效。在本文中，我们认为最先进的基于lasso的特征统计量常优先选择不太可能被发现的特征，导致实际应用中的低功效。相反，我们引入掩蔽似然比（MLR）统计量，其根据区分各特征与其knockoff的能力来优先排序特征。尽管没有单一特征统计量在所有情形下一致最强大，我们证明MLR统计量在用户指定的数据贝叶斯模型下渐近最大化发现数量。（与所有特征统计量一样，MLR统计量始终提供频率主义误差控制。）该结果对问题维度无限制且不做参数假设；相反，我们需要一个仅依赖于已知量的“局部依赖”条件。在模拟与三个真实应用中，MLR统计量优于最先进的特征统计量，包括在贝叶斯模型设定错误的情况下。我们在python包knockpy中实现了MLR统计量；我们的实现通常比计算交叉验证lasso更快。