在线多重检验的动态算法
统计方法学
2021-06-03 v3 统计理论
机器学习
统计理论
摘要
我们推导出新的在线多重检验算法,可证明地控制错误发现超出率(FDX),同时比先前方法获得数量级更高的功效。这一统计进展得益于新算法思想的发展:较早的算法更为“静态”,而我们新的算法允许根据算法已累积的财富量动态调节检验水平。我们证明我们的算法在多种合成实验中获得更高功效。我们还证明SupLORD可对FDR和FDX均提供错误控制,并在停止时刻控制FDR。停止时刻尤为重要,因为它们允许实验者在任意早的时刻结束实验,同时保持对FDR的所需控制。据我们所知,SupLORD是首个能在在线设定下于停止时刻控制FDR的非平凡算法。
引用
@article{arxiv.2010.13953,
title = {Dynamic Algorithms for Online Multiple Testing},
author = {Ziyu Xu and Aaditya Ramdas},
journal= {arXiv preprint arXiv:2010.13953},
year = {2021}
}
备注
32 pages, 15 figures. Will be published in Mathematical and Scientific Machine Learning 2021 (PMLR)