Feature Screening for Ultrahigh Dimensional Categorical Data with Applications.
Feature Screening for Ultrahigh Dimensional Categorical Data with Applications.
复制标题
超高维分类数据的特征筛选及其应用
DOI：
10.1080/07350015.2013.863158
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Wang H
中科院分区：
文献类型：
--
作者：
Huang D;Li R;Wang H
在大数据分析中，经常会遇到既有分类响应又有分类协变量的超高维数据，特征筛选已成为其中不可或缺的统计工具。我们提出了一种基于皮尔逊卡方的超高维范畴响应特征筛选方法。该方法可直接用于检测重要的相互作用效应。我们进一步证明了所提出的方法在Fan和Lv(2008)术语中具有筛选相合性。我们通过蒙特卡罗模拟研究了该方法的有限样本性能，并用两个经验数据集对该方法进行了说明。
Ultrahigh dimensional data with both categorical responses and categorical covariates are frequently encountered in the analysis of big data, for which feature screening has become an indispensable statistical tool. We propose a Pearson chi-square based feature screening procedure for categorical response with ultrahigh dimensional categorical covariates. The proposed procedure can be directly applied for detection of important interaction effects. We further show that the proposed procedure possesses screening consistency property in the terminology of Fan and Lv (2008). We investigate the finite sample performance of the proposed procedure by Monte Carlo simulation studies and illustrate the proposed method by two empirical datasets.
登录
查看更多内容
DOI：
10.1080/01621459.2013.850086
发表时间：
2014-01-01
影响因子：
3.7
作者：
Liu J;Li R;Wu R
通讯作者：
Wu R
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：
6.3
作者：
HAN, AK
通讯作者：
HAN, AK
影响因子：
2.7
作者：
Mai, Qing;Zou, Hui
通讯作者：
Zou, Hui