稀疏组 SLOPE：具 FDR 控制的自适应双层次选择
统计方法学
2023-05-17 v1
摘要
本文提出一种用于同时变量与组选择的高维新方法，称为稀疏组 SLOPE（SGS）。SGS 通过将 SLOPE 模型纳入稀疏组框架并利用分组信息，在变量与组两个层次上实现错误发现率控制。我们实现了一种近端算法来拟合 SGS，该算法适用于高斯与二项分布的响应。通过对合成与真实数据集的分析，所提 SGS 方法在双层次选择与预测精度上优于其他现有的基于 lasso 与 SLOPE 的模型。此外，提出并探讨了用于选择正则化模型调谐参数的模型选择与噪声估计方法。
引用
@article{arxiv.2305.09467,
title = {Sparse-group SLOPE: adaptive bi-level selection with FDR-control},
author = {Fabio Feser and Marina Evangelou},
journal= {arXiv preprint arXiv:2305.09467},
year = {2023}
}
备注
45 pages, 25 figures, 9 tables