基于距离相关的超高维删失数据协变量测量误差迭代特征筛选
统计方法学
2019-01-08 v1
摘要
特征筛选是超高维数据分析中降维并捕获信息变量的一种重要方法。已有许多特征筛选方法被提出。然而，这些方法受到与数据收集以及数据本身性质相关的复杂特征挑战。通常，由右删失引起的不完全响应与协变量测量误差常伴随生存分析出现。尽管已有许多针对删失数据的方法被提出，但当不完全响应与测量误差同时发生时，现有工作很少。此外，由于协变量间的相关性，常规特征筛选方法可能无法检测出那些与响应变量边际独立但真正重要的协变量。本文探讨这一重要问题，并提出在存在测量误差的生存数据下的有效特征筛选方法。此外，我们还发展了迭代方法以提高筛选所有重要协变量的准确性。文中给出数值研究以评估所提方法的性能。最后，我们将所提方法应用于两个不同的真实数据集。
引用
@article{arxiv.1901.01610,
title = {Iterated Feature Screening based on Distance Correlation for Ultrahigh-Dimensional Censored Data with Covariates Measurement Error},
author = {Li-Pang Chen},
journal= {arXiv preprint arXiv:1901.01610},
year = {2019}
}
备注
26 pages, 5 tables