基于距离相关的高维多响应回归交互效应追踪
统计方法学
2016-05-12 v1 机器学习
摘要
在许多预测模型中，特征交互效应可能贡献很大一部分变异。在大数据时代，响应变量和协变量同时存在的高维性给识别重要交互效应带来了前所未有的挑战。本文在高维多响应交互模型设定下，提出了一种两阶段交互效应识别方法，称为基于距离相关的交互效应追踪（IPDC），该方法利用对变换后变量进行距离相关特征筛选，再进行特征选择。此过程计算效率高，普遍适用于遗传性假设之外的情形，并且即使在响应变量数量随样本量发散时依然有效。在温和的正则条件下，我们证明该方法具有良好的理论性质，包括确定筛选性质、支撑并集恢复，以及交互效应和主效应在预测和估计方面的预言不等式。我们的方法的优势得到了若干模拟研究和真实数据分析的支持。
引用
@article{arxiv.1605.03315,
title = {Interaction pursuit in high-dimensional multi-response regression via distance correlation},
author = {Yinfei Kong and Daoji Li and Yingying Fan and Jinchi Lv},
journal= {arXiv preprint arXiv:1605.03315},
year = {2016}
}
备注
to appear in The Annals of Statistics (2016)