HD-SIS 超高维数据稳健变量筛选
外文标题:Robust Variable Screening for Ultrahigh Dimensional
文献类型:期刊
作者:张景肖[1]
机构:[1][郭海明]常州大学.商学院
[2][李向杰]中国人民大学.应用统计科学研究中心
[3][张景肖]中国人民大学.应用统计科学研究中心
年:2016
期刊名称:统计与信息论坛
卷:31
期:4
页码范围:9-12
增刊:增刊
收录情况:中文核心期刊要目总览
语言:中文
ISSN:1007-3116
链接地址:http://d.g.wanfangdata.com.cn/Periodical_tjyxxlt201604002.aspx
DOI:10.3969/j.issn.1007-3116.2016.04.002
基金:中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目
关键词:超高维数据;稳健性;模型释放;变量筛选
摘要:超高维变量筛选是统计研究的重要问题。提出一种新的变量筛选方法 HD-SIS,该方法不需要模型假设,并且对异常值有很强的抵抗能力,具有很好的稳健性。在 Monte Carlo 模拟中,对5种方法进行了比较,即确保独立筛选法、确保独立秩筛选法、稳健秩相关系数筛选法、距离确保独立筛选法和鞅差相关系数确保独立筛选法。模拟结果显示 HD-SIS 有更优良的表现。
作者其他论文
信用评分模型中稀有事件特殊采样处理方法探讨.张景肖;魏秋萍;张波.统计与信息论坛.2012,27(11),15-19.
函数性广义线性模型曲线选择的正则化方法.张景肖;刘燕平.统计研究.2012,29(9),95-102.
基于两阶段思想处理拒绝推断的信用评分模型.张景肖;魏秋萍;姜玉霞,等.数理统计与管理.2012,31(6),1049-1060.
基于改进的AdaBoost算法的信用评分模型.杨海江;魏秋萍;张景肖.统计与信息论坛.2011,26(2),27-31.
基于核函数法进行拒绝推断的信用评分模型.魏秋萍;张景肖;张波.统计与决策.2012,4-8.