高维稀疏藤copula回归及其在基因组预测中的应用
统计方法学
2024-01-24 v2
摘要
在基因组赋能的预测中常可获得高维数据集。此类数据集包含具有复杂依赖结构的非线性关系。对于这类情形，基于藤copula的（分位数）回归是一种重要工具。然而，现有的基于藤copula的回归方法无法扩展到高维和超高维。为进行高维稀疏藤copula回归，我们提出两种方法。首先，我们展示了它们在计算复杂度上相对于现有方法的优越性。其次，我们针对分位数回归定义了相关、不相关和冗余的解释变量。随后通过模拟研究展示了我们的方法在高维稀疏数据集中选择相关变量和预测精度方面的能力。接下来，我们将所提方法应用于高维真实数据，旨在进行玉米性状的基因组预测。进一步讨论了真实数据的一些数据处理与特征提取步骤。最后，我们在模拟研究和真实数据应用中展示了我们的方法相对于线性模型和分位数回归森林的优势。
引用
@article{arxiv.2208.12383,
title = {High-dimensional sparse vine copula regression with application to genomic prediction},
author = {Özge Sahin and Claudia Czado},
journal= {arXiv preprint arXiv:2208.12383},
year = {2024}
}