基于选定主成分数的多元响应预测
统计方法学
2008-07-28 v1
摘要
本文提出了一种在回归设定中预测多元响应的新方法和算法。对高维低样本量（HDLSS）数据，特别是微阵列数据的分类研究已取得显著进展，但针对连续响应的高维数据回归预测受到的关注较少。最近，Bair等人（2006）提出了一种基于有监督主成分回归（PCR）的高效预测方法。受更多主成分数能带来更好回归性能这一事实的启发，本文在多个方面扩展了Bair等人的方法：将全面的变量排序与PCR最佳成分数的选择相结合，并且新方法进一步扩展到多元响应回归。新方法特别适用于HDLSS问题。对模拟和真实数据的应用展示了新方法的性能。与Bair等人（2006）的比较表明，特别是对于高维数据，新的排序方法能产生更少的预测变量和更小的误差。
引用
@article{arxiv.0807.4010,
title = {Prediction of multivariate responses with a select number of principal components},
author = {Inge Koch and Kanta Naito},
journal= {arXiv preprint arXiv:0807.4010},
year = {2008}
}
备注
Submitted to the Electronic Journal of Statistics (http://www.i-journals.org/ejs/) by the Institute of Mathematical Statistics (http://www.imstat.org)