使用累积 logits 的惩罚多分类有序 logistic 回归及其在零膨胀变量网络推断中的应用
应用统计
2019-11-19 v2
摘要
我们考虑当响应变量为有序变量，即有序分类变量时的变量选择问题。特别地，我们感兴趣的是选择与有序响应变量相关联的定量解释变量，并且我们希望确定哪些预测变量是相关的。在此框架下，我们选择使用基于累积 logits 的多分类有序 logistic 回归模型，该模型推广了 logistic 回归。然后我们引入使用 Frank-Wolfe 算法的回归系数的 Lasso 估计。为了处理惩罚参数的选择，我们使用稳定性选择方法，并开发了一种基于 knockoffs 思想的新方法。这种 knockoffs 方法具有通用性，适用于任何回归，此外还能给出协变量的重要性顺序。最后，我们提供了一些实验结果来证实我们的方法。随后，我们展示了该回归方法在零膨胀变量网络推断中的应用，并在农学背景下的真实丰度数据上进行了实际应用。
引用
@article{arxiv.1805.10097,
title = {Penalized polytomous ordinal logistic regression using cumulative logits. Application to network inference of zero-inflated variables},
author = {Aurélie Deveau and Anne Gégout-Petit and Clémence Karmann},
journal= {arXiv preprint arXiv:1805.10097},
year = {2019}
}
备注
This article is an old version of arXiv:1907.03153