Empirical Bayes Estimates for Large-Scale Prediction Problems.
Empirical Bayes Estimates for Large-Scale Prediction Problems.
复制标题
大规模预测问题的经验贝叶斯估计。
DOI：
10.1198/jasa.2009.tm08523
复制
发表时间：
2009-09-01
影响因子：
3.7
通讯作者：
Efron B
中科院分区：
文献类型：
--
作者：
Efron B
经典的预测方法，如费雪的线性判别函数，是为小规模问题设计的，在小规模问题中，预测者的数量N远远小于观测值的数量N。现代科学设备经常扭转这种情况。例如，微阵列分析可能包括n = 100个受试者，测量n = 10,000个基因，每个基因都是潜在的预测因子。本文提出了一种大规模预测的经验贝叶斯方法，利用所有预测者的数据估计出最优贝叶斯预测规则。微阵列的例子说明了该方法。结果表明，该算法与大规模预测的频率正则化方法的缩心算法以及错误发现率理论有着密切的联系。
Classical prediction methods such as Fisher’s linear discriminant function were designed for small-scale problems, where the number of predictors N is much smaller than the number of observations n. Modern scientific devices often reverse this situation. A microarray analysis, for example, might include n = 100 subjects measured on N = 10,000 genes, each of which is a potential predictor. This paper proposes an empirical Bayes approach to large-scale prediction, where the optimum Bayes prediction rule is estimated employing the data from all the predictors. Microarray examples are used to illustrate the method. The results show a close connection with the shrunken centroids algorithm of, a frequentist regularization approach to large-scale prediction, and also with false discovery rate theory.
登录
查看更多内容
影响因子：
56.9
作者：
Golub, TR;Slonim, DK;Lander, ES
通讯作者：
Lander, ES
影响因子：
1.5
作者：
Bickel, PJ;Levina, E
通讯作者：
Levina, E
影响因子：
3.7
作者：
EFRON, B;MORRIS, C
通讯作者：
MORRIS, C
影响因子：
5.7
作者：
Dudoit, S;Shaffer, JP;Boldrick, JC
通讯作者：
Boldrick, JC
影响因子：
5.7
作者：
Efron, Bradley
通讯作者：
Efron, Bradley