基于惩罚线性回归的二次判别分析主效应与交互效应选择
统计方法学
2017-02-16 v1
摘要
判别分析是一种有用的分类方法。在高维设定下，判别分析中的变量选择变得越来越重要。本文关注二次判别分析中主效应和交互效应选择的二分类问题。我们提出了一种新的惩罚二次判别分析(QDA)用于二分类中的变量选择。在相关变量稀疏性假设下，我们通过插件模型和交互效应进行惩罚线性回归以推导稀疏QDA。然后利用复合绝对惩罚(CAP)将QDA问题转化为惩罚稀疏普通最小二乘优化。引入坐标下降算法求解凸惩罚最小二乘。该惩罚线性回归可同时选择主效应和交互效应，并进行分类。与现有的QDA变量选择方法相比，广泛的模拟研究和两个真实数据分析表明，我们提出的方法在变量选择和分类性能上表现良好且鲁棒。
引用
@article{arxiv.1702.04570,
title = {Main and Interaction Effects Selection for Quadratic Discriminant Analysis via Penalized Linear Regression},
author = {Deqiang Zheng and Jinzhu Jia and Xiangzhong Fang and Xiuhua Guo},
journal= {arXiv preprint arXiv:1702.04570},
year = {2017}
}
备注
20 pages