具有许多相关和零膨胀预测变量的预测建模：评估非负绞索方法

从质谱数据构建预测模型具有挑战性，因为存在大量具有不同程度零膨胀的相关特征，导致人们普遍希望将特征缩减为具有良好预测性能的简洁预测变量集。在本研究中，我们正式建立并检验了正则化回归方法，这些方法旨在处理零膨胀和相关预测变量。特别地，我们描述了一种新颖的两阶段正则化回归方法（ridge-garrote），该方法使用两个分量变量显式建模零膨胀预测变量，第一阶段使用岭估计器，随后第二阶段应用非负绞索估计器。我们将ridge-garrote与单阶段方法（岭回归、套索）和其他用于零膨胀预测变量的两阶段正则化回归方法（lasso-ridge、ridge-lasso）进行了对比。我们在比较模拟研究和真实数据案例研究中评估了这些方法的预测性能和预测变量选择特性，该案例研究使用源自质谱的肽组学特征预测肾功能。在模拟研究中，所有评估方法的预测性能相当，但ridge-garrote方法在大多数场景下始终选择比其竞争对手更简洁的模型。虽然lasso-ridge的预测准确性高于其竞争对手，但它在所选预测变量的数量上表现出高变异性。Ridge-lasso的预测准确性略高于ridge-garrote，但代价是选择了更多的噪声预测变量。总体而言，当变量选择不是主要关注点时，岭回归成为一个有利的选择，而ridge-garrote在选择简洁预测变量集方面显示出显著的实际效用，且预测准确性仅略有折衷。