复杂数据结构下用于特征选择的非参数贝叶斯Knockoff生成器
统计方法学
2024-09-24 v2
摘要
近来高维数据（如电子健康记录和遗传学数据）的激增，为发现结果的新预测因子提供了新机会。面对大量候选特征，研究兴趣通常在于筛选出最可能对结果具有预测性的特征以进一步研究。在评估这些变量时，通常希望将错误发现率（FDR）控制在指定水平。Knockoff滤波是一种用于进行FDR控制特征选择的创新策略。本文提出了一种非参数贝叶斯模型，用于生成高质量的knockoff副本，可提升对来自复杂分布（可为偏态、高度离散和/或混合分布）变量的预测性特征识别准确性。本文详细描述了通过MCMC后验采样从GDPM模型生成knockoff副本的过程。此外，我们提供了knockoff过程鲁棒性的理论保证。通过模拟表明，该方法能以准确的FDR控制和较流行的二阶高斯knockoff生成器更高的功效识别重要特征。进一步地，该模型在FDR和功效上与有限高斯混合knockoff生成器进行了比较。所提出的技术应用于利用癌症基因组图谱（TCGA）数据检测预测卵巢癌患者生存的 genes。
引用
@article{arxiv.2111.06985,
title = {Nonparametric Bayesian Knockoff Generators for Feature Selection Under Complex Data Structure},
author = {Michael J. Martens and Anjishnu Banerjee and Xinran Qi and Yushu Shi},
journal= {arXiv preprint arXiv:2111.06985},
year = {2024}
}