具有发散数量相关特征的高维或超高维特征空间线性回归模型的扩展BIC
统计理论
2011-07-14 v1 统计理论
摘要
在许多具有高维或超高维特征空间的传统科学研究中，相关特征虽然稀疏，但与经典统计问题相比数量庞大，且其效应的大小逐渐减弱。将相关特征的数量建模为随样本量增加而发散的序列是合理的。在本文中，我们研究了扩展贝叶斯信息准则（Chen and Chen, 2008）在高维或超高维特征空间中具有发散数量相关特征的线性回归模型中进行特征选择的性质。建立了扩展贝叶斯信息准则在此情况下的选择一致性。考虑将扩展贝叶斯信息准则应用于两阶段特征选择过程中的特征选择。通过模拟研究展示了扩展贝叶斯信息准则与两阶段特征选择过程在有限样本情况下的性能。
引用
@article{arxiv.1107.2502,
title = {Extended BIC for linear regression models with diverging number of relevant features and high or ultra-high feature spaces},
author = {Shan Luo and Zehua Chen},
journal= {arXiv preprint arXiv:1107.2502},
year = {2011}
}