图融合 Lasso 的更强有力选择性推断
统计方法学
2022-02-11 v2
摘要
图融合 Lasso——其一维融合 Lasso 为其特例——被广泛用于重建图上分段常值的信号，即由边相连的节点往往具有相同的取值。我们考虑检验使用图融合 Lasso 估计的两个连通分量均值之差。诸如均值差 z 检验之类的朴素方法无法控制选择性第一类错误，因为我们所检验的假设本身即是数据的函数。本工作中，我们针对该任务提出一种控制选择性第一类错误的新检验，且相较于已有方法条件化更少的信息，从而显著提升功效。我们在模拟以及美国本土药物过量死亡率与青少年出生率数据集上展示我们的方法。我们的方法在两个数据集上均产生更多发现。
引用
@article{arxiv.2109.10451,
title = {More powerful selective inference for the graph fused lasso},
author = {Yiqun T. Chen and Sean W. Jewell and Daniela M. Witten},
journal= {arXiv preprint arXiv:2109.10451},
year = {2022}
}