基于分布鲁棒优化的高斯图模型选择中的族错误率控制
统计方法学
2022-06-10 v1 应用统计
摘要
近期，基于分布鲁棒优化（DRO）框架的精度矩阵估计的一个特例已被证明等价于图 lasso。由该公式出发，提出了一种选择正则化项（即用于图模型选择）的方法。在本文中，我们建立了通过 DRO 公式进行图模型选择的置信水平与估计虚假边的渐近族错误率之间的理论联系。模拟实验与真实数据分析说明了即使在有限样本中渐近族错误率控制行为的效用。
引用
@article{arxiv.2201.12441,
title = {Family-wise error rate control in Gaussian graphical model selection via Distributionally Robust Optimization},
author = {Chau Tran and Pedro Cisneros-Velarde and Sang-Yun Oh and Alexander Petersen},
journal= {arXiv preprint arXiv:2201.12441},
year = {2022}
}