具有多元响应的超高维特征空间的边际与交互特征筛选
统计方法学
2019-11-19 v1
摘要
当特征数量以指数级远超样本数量时，特征筛选在降低特征空间维度以及基于此类数据建立模型方面起着关键作用。虽然大多数现有的特征筛选方法仅适用于具有单变量响应的数据，我们提出了一种允许多元响应的新方法（GenCorr）。该方法使我们能够将多个响应作为一个整体而非互不相关的实体进行更恰当的建模，从而可利用嵌入于多个响应协方差结构中的复杂性状进行更稳健的分析。GenCorr框架允许对边际特征与交互特征同时进行筛选。我们证明了GenCorr具备强确定筛选这一理想性质。在边际情形下，我们通过一系列经验模拟，考察了GenCorr相对于两种当前多元边际筛选方法的更优数值表现。我们还给出了若干模拟以检验GenCorr在多元交互筛选中的表现。最后的真实数据分析展示了我们的方法在GWAS数据上的性能。
引用
@article{arxiv.1911.06955,
title = {Marginal and Interactive Feature Screening of Ultra-high Dimensional Feature Spaces with Multivariate Response},
author = {Randall Reese},
journal= {arXiv preprint arXiv:1911.06955},
year = {2019}
}