一般编码下的分类距离相关及其在高维特征筛选中的应用
统计方法学
2026-01-21 v1
摘要
在本文中，我们将距离相关扩展到具有一般编码的分类数据，例如名义变量的独热编码和有序变量的半圆编码。与现有方法不同，我们的方法利用了类别之间的间距信息，这增强了距离相关的性能。给出了包括极大似然估计和偏差校正估计在内的两种估计，以及它们在原假设和备择假设下的极限分布。此外，我们在温和条件下建立了高维分类数据的确定筛选性质。我们进行了一项模拟研究以比较不同编码的性能，并使用2018年综合社会调查数据说明了它们的实际效用。
引用
@article{arxiv.2601.13454,
title = {Categorical distance correlation under general encodings and its application to high-dimensional feature screening},
author = {Qingyang Zhang},
journal= {arXiv preprint arXiv:2601.13454},
year = {2026}
}
备注
39 pages, 7 figures