...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and Its Interface >Model-free conditional feature screening with exposure variables
【24h】

Model-free conditional feature screening with exposure variables

机译：无曝光变量的模型条件特征筛选

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In high dimensional analysis, effects of explanatory variables on responses sometimes rely on certain exposure variables, such as time or environmental factors. In this paper, to characterize the importance of each predictor, we utilize its conditional correlation given exposure variables with the empirical distribution function of response. A model-free conditional screening method is subsequently advocated based on this idea, aiming to identify significant predictors whose effects may vary with the exposure variables. The proposed screening procedure is applicable to any model form, including that with heteroscedasticity where the variance component may also vary with exposure variables. It is also robust to extreme values or outlier. Under some mild conditions, we establish the desirable sure screening and the ranking consistency properties of the screening method. The finite sample performances are illustrated by simulation studies and an application to the breast cancer dataset.
机译：在高尺寸分析中，解释性变量对响应的影响有时依赖于某些曝光变量，例如时间或环境因素。 在本文中，为了表征每个预测因子的重要性，我们利用其具有曝光变量的条件相关性与响应的经验分布函数。 随后基于该思想提倡一种无模型的条件筛选方法，旨在识别重要的预测因子，其效果可能因曝光变量而变化。 所提出的筛选程序适用于任何模型形式，包括具有异源性的异形性能，其中方差分量也可以随曝光变量而变化。 它对极端值或异常值也是强大的。 在一些温和条件下，我们建立了筛选方法的理想确定筛选和排名一致性。 通过模拟研究和乳腺癌数据集的应用说明了有限的样品性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号