稳健模型选择及其在单细胞多组学数据中的应用
统计方法学
2023-05-11 v1 基因组学
摘要
模型选择在现代统计学与机器学习领域中至关重要。然而，大多数已有工作不适用于重尾数据，而重尾数据在诸如单细胞多组学数据等实际应用中十分常见。本文提出一种基于秩和的方法，该方法输出一个以给定概率包含最优模型的置信集。受保形推断的启发，我们开发了一种通用方法，无需对数据作矩或尾部假设即可应用。我们通过大量模拟以及对 COVID-19 基因组数据集（Stephenson 等，2021）的真实应用展示了所提方法的优势。为了对秩和统计量进行推断，我们推导了高维两样本 U 统计量的一个通用高斯逼近理论，该理论对统计学与机器学习界可能具有独立意义。
引用
@article{arxiv.2305.05714,
title = {Robust Model Selection with Application in Single-Cell Multiomics Data},
author = {Zhanrui Cai},
journal= {arXiv preprint arXiv:2305.05714},
year = {2023}
}