Joint estimation of sparse multivariate regression and conditional graphical models
Joint estimation of sparse multivariate regression and conditional graphical models
复制标题
稀疏多元回归和条件图模型的联合估计
DOI：
10.5705/ss.2013.192
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
Junhui Wang
中科院分区：
文献类型：
--
作者：
Junhui Wang
多元回归模型是经典的一元回归模型的自然推广。设置多个响应。在本文中，我们提出了一个高维多元条件回归模型，用于构造多元回归系数的稀疏估计。解释多个响应之间的依赖性结构的cient矩阵。所提出的方法分解成一系列的惩罚条件对数似然的协变量和其他响应的条件下的每个响应的多元回归问题。它允许同时估计稀疏回归系数？协方差矩阵和稀疏逆协方差矩阵。建立了协变量的发散维数和响应数的渐近选择一致性和正态性。E？所提出的方法的有效性也在各种模拟的例子以及对多形性胶质母细胞瘤癌症数据的应用中得到证明。
Multivariate regression model is a natural generalization of the classical univari- ate regression model for ?tting multiple responses. In this paper, we propose a high- dimensional multivariate conditional regression model for constructing sparse estimates of the multivariate regression coe?cient matrix that accounts for the dependency struc- ture among the multiple responses. The proposed method decomposes the multivariate regression problem into a series of penalized conditional log-likelihood of each response conditioned on the covariates and other responses. It allows simultaneous estimation of the sparse regression coe?cient matrix and the sparse inverse covariance matrix. The asymptotic selection consistency and normality are established for the diverging dimension of the covariates and number of responses. The e?ectiveness of the pro- posed method is also demonstrated in a variety of simulated examples as well as an application to the Glioblastoma multiforme cancer data.
登录
查看更多内容
影响因子：
2.7
作者：
Wang, Hansheng;Li, Runze;Tsai, Chih-Ling
通讯作者：
Tsai, Chih-Ling
影响因子：
2.1
作者：
Li, HZ;Gui, J
通讯作者：
Gui, J
影响因子：
50.3
作者：
Verhaak RG;Hoadley KA;Purdom E;Wang V;Qi Y;Wilkerson MD;Miller CR;Ding L;Golub T;Mesirov JP;Alexe G;Lawrence M;O'Kelly M;Tamayo P;Weir BA;Gabriel S;Winckler W;Gupta S;Jakkula L;Feiler HS;Hodgson JG;James CD;Sarkaria JN;Brennan C;Kahn A;Spellman PT;Wilson RK;Speed TP;Gray JW;Meyerson M;Getz G;Perou CM;Hayes DN;Cancer Genome Atlas Research Network
通讯作者：
Cancer Genome Atlas Research Network
DOI：
10.1214/11-aoas494
发表时间：
2011-12
期刊：
The annals of applied statistics
影响因子：
--
作者：
Yin J;Li H
通讯作者：
Li H