Feature Selection for Varying Coefficient Models With Ultrahigh Dimensional Covariates.
Feature Selection for Varying Coefficient Models With Ultrahigh Dimensional Covariates.
复制标题
DOI：
10.1080/01621459.2013.850086
复制
发表时间：
2014-01-01
影响因子：
3.7
通讯作者：
Wu R
中科院分区：
文献类型：
--
作者：
Liu J;Li R;Wu R
本文涉及具有超高维变量的不同系数模型的特征筛选和可变选择。我们根据条件相关系数为这些模型提出了一个新的功能筛选程序。我们系统地研究了所提出的程序的理论特性，并确定其确定的筛选属性和排名一致性。为了增强所提出程序的有限样本性能，我们进一步制定了迭代特征筛选程序。进行了蒙特卡洛模拟研究，以检查所提出的程序的性能。实际上，我们主张一种两阶段的方法，用于不同系数模型。两个阶段方法包括（a）通过使用建议的程序来降低超高维度，以及（b）为减少尺寸减少变化系数模型的正则化方法，以对系数函数进行统计推断。我们通过真实的数据示例说明了提出的两阶段方法。
This paper is concerned with feature screening and variable selection for varying coefficient models with ultrahigh dimensional covariates. We propose a new feature screening procedure for these models based on conditional correlation coefficient. We systematically study the theoretical properties of the proposed procedure, and establish their sure screening property and the ranking consistency. To enhance the finite sample performance of the proposed procedure, we further develop an iterative feature screening procedure. Monte Carlo simulation studies were conducted to examine the performance of the proposed procedures. In practice, we advocate a two-stage approach for varying coefficient models. The two stage approach consists of (a) reducing the ultrahigh dimensionality by using the proposed procedure and (b) applying regularization methods for dimension-reduced varying coefficient models to make statistical inferences on the coefficient functions. We illustrate the proposed two-stage approach by a real data example.
登录
查看更多内容
影响因子：
2.4
作者：
Hall, Peter;Miller, Hugh
通讯作者：
Miller, Hugh
基于稳健等级相关的筛选
影响因子：
4.5
作者：
Li, Gaorong;Peng, Heng;Zhu, Lixing
通讯作者：
Zhu, Lixing
影响因子：
3.7
作者：
Fan J;Feng Y;Song R
通讯作者：
Song R
影响因子：
--
作者：
Jaquish CE
通讯作者：
Jaquish CE
DOI：
10.1198/016214506000000735
发表时间：
2006-12-01
影响因子：
3.7
作者：
Zou, Hui
通讯作者：
Zou, Hui