结合特征筛选与选择的交互追寻

理解特征如何相互作用在许多科学发现和当代应用中至关重要。然而，即使对于中等数量的协变量，交互识别也变得具有挑战性。本文中，我们提出一种高效且灵活的过程，称为交互追寻(Interaction Pursuit, IP)，用于超高维下的交互识别。所提方法首先通过一种新的特征筛选方法将交互和主效应的数量缩减到中等规模，然后在缩减的特征空间中利用正则化方法选择重要的交互和主效应。与现有方法相比，我们的方法将交互与主效应分开筛选，因此在交互筛选中更有效。在一个相当一般的框架下，我们确立了对于交互和主效应，该方法在筛选上具有确定筛选性质，在选择上具有预言不等式。我们的方法和理论结果得到若干模拟和真实数据例子的支持。