基于组合多抽样的 U-学习方法用于预测推断：针对 LASSO 和神经网络的应用
机器学习
2026-01-21 v2 机器学习
统计理论
定量方法
统计理论
摘要
表观遗传老化钟在通过检查基因组中众多 CpG (胞嘧啶-磷酸鸟嘌呤) 位点的 DNA 甲基化图案来估算个体生物年龄方面发挥着关键作用。然而，对预测的表观遗传年龄或更广泛地说，对从高维输入中推断预测结果进行有效推断存在挑战。我们引入一种新颖的 U-学习方法，通过组合多抽样进行 ensemble 预测和构造连续结果预测的置信区间，当传统渐近方法不适用时。具体而言，我们的方法将 ensemble 估计器置于广义 U-统计量框架内，并调用 Hájek 投影来推导预测的方差并构建具有有效条件覆盖概率的置信区间。我们将该方法应用于两种常用预测算法——Lasso 和深度神经网络 (DNN)，并通过大量数值研究说明其推断的有效性。我们将这些方法应用于预测不同健康状况患者的 DNA 甲基化年龄 (DNAmAge)，旨在准确表征老化过程并 potentially 指导 anti-aging 干预。
引用
@article{arxiv.2407.15301,
title = {U-learning for Prediction Inference via Combinatory Multi-Subsampling: With Applications to LASSO and Neural Networks},
author = {Zhe Fei and Yi Li},
journal= {arXiv preprint arXiv:2407.15301},
year = {2026}
}