当 Knockoffs 失效时：诊断和修复 Knockoffs 的非交换性
统计方法学
2025-04-30 v2
摘要
Knockoffs 是一种流行的统计框架，用于解决高维情境下条件变量选择的挑战问题，同时具备统计控制。这种统计控制对于推断的可靠性至关重要。然而，Knockoffs 的保证依赖于一个在实践中难以测试的交换性假设，文献中几乎没有讨论如何处理未满足的假设。该假设与能够生成类似于观测数据的数据有关。为维持可靠的推断，我们引入了一个基于分类器两样本检验的诊断工具。通过仿真和实际数据，我们展示了在经典 Knockoffs 生成器的常见情景下，尤其是当数据具有强依赖结构时，这一假设的违反。结果表明，Knockoffs 基于的推断会导致误报率大幅膨胀。我们展示了该诊断工具正确检测到此类行为。我们展示了一种替代性 Knockoffs 构建方法，即基于利用其他所有变量来预测每个变量的方法，解决了该问题。我们还提出了该算法的计算效率较高的变体，并通过在仿真数据和基于脑成像数据的半仿真实验中进行实证验证，表明该方法在恢复误差控制方面取得了成功。
引用
@article{arxiv.2407.06892,
title = {When Knockoffs fail: diagnosing and fixing non-exchangeability of Knockoffs},
author = {Alexandre Blain and Angel Reyero Lobo and Julia Linhart and Bertrand Thirion and Pierre Neuvial},
journal= {arXiv preprint arXiv:2407.06892},
year = {2025}
}