Jackstraw inference for AJIVE data integration
Jackstraw inference for AJIVE data integration
复制标题
AJIVE 数据集成的 Jackstraw 推理
DOI：
10.1016/j.csda.2022.107649
复制
发表时间：
2023
影响因子：
1.8
通讯作者：
Marron, J.S.
中科院分区：
文献类型：
--
作者：
Yang, Xi;Hoadley, Katherine A.;Hannig, Jan;Marron, J.S.
在大数据时代，数据集成是关键的一步，特别是在理解不同数据类型如何协同工作和单独工作方面。在数据集成方法中，基于角度的联合和个体变异解释（AJIVE）方法特别有吸引力，因为它不仅研究联合行为，而且研究个体行为。AJIVE分数通常表示数据对象（如集群）之间的重要关系。一个重要的挑战是了解哪些特征，即变量，与这些关系有关。这一挑战是由一个假设检验的建议，用于评估统计意义的功能。新的测试的灵感来自相关的jackstraw方法开发的主成分分析。我们使用一个高维多基因组癌症数据集作为我们的强大动力和方法的深入说明。
In the age of big data, data integration is a critical step especially in the understanding of how diverse data types work together and work separately. Among data integration methods, the Angle-Based Joint and Individual Variation Explained (AJIVE) approach is particularly attractive because it not only studies joint behavior but also individual behavior. Typically AJIVE scores indicate important relationships between data objects, such as clusters. An important challenge is understanding which features, i.e. variables, are associated with those relationships. This challenge is addressed by the proposal of a hypothesis test for assessing statistical significance of features. The new test is inspired by the related jackstraw method developed for Principal Component Analysis. We use a high-dimensional multi-genomic cancer data set as our strong motivation and deep illustration of the methodology.
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
Xi Yang;Jan Hannig;J. Marron
通讯作者：
J. Marron
Kolmogorov-Smirnov 的有界概率性质和离散数据的类似统计
DOI：
--
发表时间：
1963
期刊：
影响因子：
--
作者：
J. Walsh
通讯作者：
J. Walsh