$\ell_0$-正则化高维加速失效时间模型
统计方法学
2020-02-11 v1 统计计算
摘要
我们针对具有高维协变量的稀疏加速失效时间（AFT）模型，提出了一种用于 -惩罚估计的构造性方法。我们提出的方法基于 Stute 的加权最小二乘准则并结合 -惩罚。该方法是一种计算算法，基于由原始和对偶信息导出的活跃集以及根据 KKT 条件的求根，迭代地生成一串解。我们将提出的方法称为 AFT-SDAR（用于支撑集检测和求根）。我们理论结果的一个重要方面是，我们直接关注基于 AFT-SDAR 算法生成的解序列。我们证明，只要协变量矩阵满足一个温和的正则条件（该条件即使在高位线性回规设定下对于模型辨识也是必要且充分的），解序列的估计误差就以高概率指数衰减至最优误差界。我们还提出了 AFT-SDAR 的自适应版本，即 AFT-ASDAR，它以数据驱动的方式确定估计系数的支撑集大小。我们进行模拟研究，以证明所提方法在准确率和速度上优于 lasso 和 MCP。我们还将所提方法应用于真实数据集以说明其应用。
引用
@article{arxiv.2002.03318,
title = {$\ell_0$-Regularized High-dimensional Accelerated Failure Time Model},
author = {Xingdong Feng and Jian Huang and Yuling Jiao and Shuang Zhang},
journal= {arXiv preprint arXiv:2002.03318},
year = {2020}
}