单指标逻辑模型的贝叶斯变量选择
统计方法学
2020-12-14 v1
摘要
在大数据时代，变量选择是处理小样本量但协变量众多的高维问题的关键技术。针对线性模型、逻辑模型与广义线性模型等不同模型提出了不同的变量选择方法。然而，由于未知连接函数以及传统逻辑模型MCMC算法混合速率慢所带来的困难，较少有工作关注单指标模型尤其是单指标逻辑模型的变量选择。本文中，我们利用高斯过程与数据增强的优势，提出了一种针对单指标逻辑模型的贝叶斯变量选择方法。仿真与真实数据分析的数值结果表明了我们的方法相对于现有最优方法的优势。
引用
@article{arxiv.2012.06199,
title = {Bayesian Variable Selection for Single Index Logistic Model},
author = {Yinrui Sun and Hangjin Jiang},
journal= {arXiv preprint arXiv:2012.06199},
year = {2020}
}