去随机化 Knockoffs
统计方法学
2020-12-07 v1 应用统计
摘要
Model-X knockoffs 是一种通用流程,可利用任意特征重要性度量来产生变量选择算法,在严格控制系统假阳性数量或比例的同时发现真实效应。Model-X knockoffs 是一种随机化流程,依赖于一次性构造合成(随机)变量。本文引入一种通过对 knockoffs 算法多次运行的选择结果进行聚合的去随机化方法。该去随机化步骤设计灵活,可适配于任意变量选择基础流程,在不损失统计功效的前提下产生稳定决策。当应用于 Janson 等人 (2016) 的基础流程时,我们证明去随机化 knockoffs 同时控制族错误率(PFER)与 k 族-wise 错误率(k-FWER)。此外,我们进行了大量数值研究,表明与替代变量选择算法相比,其一类错误控制紧密且功效显著增强。最后,我们将该方法应用于前列腺癌的多阶段全基因组关联研究,并报告了与疾病显著相关的基因组位点。经与其他研究交叉比对,我们发现所报告的关联已被重复验证。
引用
@article{arxiv.2012.02717,
title = {Derandomizing Knockoffs},
author = {Zhimei Ren and Yuting Wei and Emmanuel Candès},
journal= {arXiv preprint arXiv:2012.02717},
year = {2020}
}
备注
35 pages, 32 figures, 6 tables