使用簇原型的稀疏回归与边际检验
统计方法学
2015-03-16 v2
摘要
我们提出一种用于具有相关特征数据的稀疏回归和边际检验的新方法。我们的过程首先聚类特征，然后选择该簇中最具信息量的特征作为簇原型。然后我们对这些原型应用稀疏回归（lasso）或边际显著性检验。虽然这种策略并非全新，但我们提案的一个关键特征是利用 Taylor 等 (2014) 和 Lee 等 (2014) 的选择后推断理论来计算精确的 p 值和置信区间，其恰当考虑了原型的选择。我们还应用 Barber 和 Candès 最近的“knockoff”思想，为我们的回归程序提供 FDR 的精确有限样本控制。我们在真实和模拟数据上说明了我们的提案。
引用
@article{arxiv.1503.00334,
title = {Sparse regression and marginal testing using cluster prototypes},
author = {Stephen Reid and Robert Tibshirani},
journal= {arXiv preprint arXiv:1503.00334},
year = {2015}
}
备注
43 pages, 19 figures