面向高维选择后推断的多重刻画方法
统计方法学
2021-02-16 v2
摘要
我们考虑高维（广义）线性模型的选择后推断。数据刻画（Fithian 等，2014）是执行该任务的一种有前景的技术。然而，它受模型选择器的不稳定性影响，因此可能导致可复现性差，尤其在高位设置中。我们提出受多重分割启发的 multicarve 方法，以改进稳定性与可复现性。此外，我们将已有概念推广至组推断，并说明了该方法在广义线性模型上的适用性。
引用
@article{arxiv.2006.04613,
title = {Multicarving for high-dimensional post-selection inference},
author = {Christoph Schultheiss and Claude Renaux and Peter Bühlmann},
journal= {arXiv preprint arXiv:2006.04613},
year = {2021}
}