用于 FDR 控制变量选择的自编码 Knockoff 生成器
统计方法学
2018-10-01 v1
摘要
一种新的统计过程（Model-X \cite{candes2018}）提供了一种利用任何有监督学习方法在控制 FDR 的前提下识别重要因子的方法。这一研究方向已展现出巨大潜力，可将机器学习方法的应用从预测任务拓展到服务科学研究中对可解释发现的更广泛需求。然而，缺乏实用且灵活的 knockoff 生成方法仍是 Model-X 过程广泛应用的主要障碍。本文通过提出一种无模型的 knockoff 生成器来填补这一空白，该生成器通过潜变量表示来近似特征间的相关结构。我们证明了所提方法在各种模拟设定以及一个用于寻找 HIV-1 患者中对药物耐药相关突变的真实数据例子中，能够实现 FDR 控制并取得优于两种现有方法的功效。
引用
@article{arxiv.1809.10765,
title = {Auto-Encoding Knockoff Generator for FDR Controlled Variable Selection},
author = {Ying Liu and Cheng Zheng},
journal= {arXiv preprint arXiv:1809.10765},
year = {2018}
}
备注
In submission