惩罚回归与图模型中稳定性选择的自动校准
统计方法学
2023-10-24 v2 应用统计
摘要
稳定性选择是一种在高维情形下识别与结局联合相关的稀疏特征集的极具吸引力的方法。我们提出了一种通过最大化内部稳定性分数并容纳先验已知的块结构（例如多组学）数据的自动校准流程。该方法适用于（LASSO）惩罚回归与图模型。模拟研究表明，我们的方法优于使用原始校准的非稳定性基方法与稳定性选择方法。在多块图 LASSO 应用于挪威女性与癌症研究（Norwegian Women and Cancer study）的真实（表观遗传与转录组）数据时，揭示了 LRRN3 在吸烟生物学反应中一个核心且可信的新型跨组学作用。所提出的方法已在 R 包 sharp 中实现。
引用
@article{arxiv.2106.02521,
title = {Automated calibration for stability selection in penalised regression and graphical models},
author = {Barbara Bodinier and Sarah Filippi and Therese Haugdahl Nost and Julien Chiquet and Marc Chadeau-Hyam},
journal= {arXiv preprint arXiv:2106.02521},
year = {2023}
}
备注
Main paper 21 pages, SI: 17 pages