面向一般总体的高维分类的两种简单有效方法
统计方法学
2018-01-23 v1
摘要
本文中，我们将 Saranadasa（1993）提出的基于行列式和基于迹的两种准则推广到一般总体以用于高维分类。这两种准则比较新观测与若干不同已知组之间的距离。基于行列式的准则通过整合协方差结构在相关变量上表现良好，并与许多其他现有规则具有竞争力。然而该准则要求测量维数小于样本量。相比之下，基于迹的准则是一种独立性规则，在“大维数-小样本量”情形下有效。这两种准则的一个吸引人之处在于实现直接，且无需 preliminary 变量选择或使用调参参数。利用大维随机矩阵理论推导了它们的渐近误分类概率。通过密集的蒙特卡洛实验和真实数据分析说明了它们具有竞争力的表现。
引用
@article{arxiv.1501.01763,
title = {On Two Simple and Effective Procedures for High Dimensional Classification of General Populations},
author = {Zhaoyuan Li and Jianfeng Yao},
journal= {arXiv preprint arXiv:1501.01763},
year = {2018}
}
备注
5 figures; 22 pages. To appear in "Statistical Papers"