序贯与同步基于距离的降维
统计方法学
2024-10-22 v3
摘要
本文提出一种称为序贯与同步基于距离的降维()的方法，该方法基于距离协方差(dCov)对一对随机向量进行同步降维。与充分降维(SDR)和基于典型相关分析(CCA)的方法相比，是一种无模型方法，不对变量施加维度或分布限制，并且对非线性关系更敏感。在理论上，我们建立了非渐近误差界以保证的性能。在数值实验中，的表现与最先进算法相当或更好，且计算速度更快。我们方法的所有代码均可在Github上找到，包括一个名为S2D2R的R包。
引用
@article{arxiv.1903.00037,
title = {Sequential and Simultaneous Distance-based Dimension Reduction},
author = {Yijin Ni and Chuanping Yu and Andy Ko and Xiaoming Huo},
journal= {arXiv preprint arXiv:1903.00037},
year = {2024}
}