超高维离散变量筛选方法

作者：倪葎

来源：其他, 2019.

• 超高维变量筛选
• 离散数据分类个数
• 卡方统计量
• 信息熵和信息增益
• 协变量随机缺失 ultrahigh-dimensional variable screening
• number of categories
• Chi-square statistic
• entropy and information gain
• covariate value missing at random

作为一种降维技术,变量筛选在超高维数据分析中发挥至关重要的作用,并且在过去十年间许多文献对其进行了讨论.无论响应变量是连续的还是离散的,大部分的现有变量筛选方法均明示或暗含着一个假设,协变量是连续的.Huang,Li&Wang(2014)[37]首先提出了一种基于Pearson卡方统计量的变量筛选方法(PC-SIS).该方法解决了在分类问题中如何筛选超高维离散变量,虽然这是一个常见的实际问题,却很少在以往文献中进行讨论.当不同协变量的分类个数不同时,变量筛选方法采用原始筛选统计量或其p值调整值的筛选表现均欠佳.本论文的主要工作具体如下:在一个分类问题中,本文发展了一种全新的且无模型假设的变量筛...

• 出版日期2019
• 单位华东师范大学