面向二值数据的稀疏 logistic 函数型主成分分析
统计方法学
2021-09-17 v1
摘要
函数型二值数据在现实中频繁出现，而数据的离散特性会给模型估计带来挑战。本文提出一种稀疏 logistic 函数型主成分分析（SLFPCA）方法来处理函数型二值数据。SLFPCA 寻求特征函数的局部稀疏性，以获得解释上的便利。我们通过带粗糙度惩罚与稀疏性惩罚项的罚伯努利似然来表述该问题。利用优化-最小化（MM）算法开发了一种高效算法用于优化该罚似然。理论结果表明所提方法兼具一致性与稀疏一致性。我们进行了详尽的数值实验以展示 SLFPCA 方法的优势。我们的方法进一步应用于一个体力活动数据集。
引用
@article{arxiv.2109.08009,
title = {Sparse logistic functional principal component analysis for binary data},
author = {Rou Zhong and Shishi Liu and Haocheng Li and Jingxiao Zhang},
journal= {arXiv preprint arXiv:2109.08009},
year = {2021}
}