A Least-squares Approach to Mutual Information Estimation with Application in Variable Selection
A Least-squares Approach to Mutual Information Estimation with Application in Variable Selection
复制标题
互信息估计的最小二乘法及其在变量选择中的应用
DOI：
--
复制
发表时间：
2008
期刊：
影响因子：
--
通讯作者：
T. Kanamori
中科院分区：
文献类型：
--
作者：
Taiji Suzuki;Masashi Sugiyama;J. Sese;T. Kanamori
提出了一种估计样本互信息的新方法。我们的方法，称为最小二乘互信息（LSMI），具有几个吸引人的特性，例如，不涉及密度估计，可获得解析形式的解，交叉验证的变体可用于模型选择，并且可以非常有效地计算近似的遗漏误差。数值实验表明，LSMI方法在互信息估计和变量选择方面优于现有方法。LSMI在蛋白质亚细胞定位预测中的实际应用也得到了证实。
We propose a new method of estimating mutual information from samples. Our method, called Least-Squares Mutual Information (LSMI), has several attractive properties, e.g., density estimation is not involved, an analytic-form solution is available, a variant of crossvalidation can be used for model selection, and an approximate leaveone-out error can be computed very efficiently. Numerical experiments show that LSMI compares favorably with existing methods in mutual information estimation and variable selection. The practical usefulness of LSMI is demonstrated also in protein subcellular localization prediction.
影响因子：
3.3
作者：
Gasch, AP;Spellman, PT;Brown, PO
通讯作者：
Brown, PO