APP下载

基于马氏距离相关性的PLS变量选择与应用*

2021-03-20周昭君韦程东陈丽玲林玉婷

关键词:方法模型

周昭君,韦程东,陈丽玲,林玉婷

(南宁师范大学 数学与统计学院,广西 南宁 530100)

1 引言

由于信息技术的快速发展及其在科学实验、生产和日常生活中的广泛应用,在众多领域中人们有大量复杂的高维数据集亟待分析,比如代谢组学数据、基因微阵数据、质谱数据和光谱数据等等.这些数据普遍具有高维度、高噪声、高冗余且分布未知等特点,因而,传统的统计学方法已经不再能够处理这类数据.对此,研究人员发展了许多新的统计算法和理论,用于对高维数据进行分析.其中模型的变量选择方法是一种有效处理高维数据的方法,它主要通过选择“有效信息变量”来建立“最优的模型”,不仅能提升模型的预测和解释能力,还能提高计算效率.

近年来,最具代表性的变量选择方法是基于惩罚的变量选择法和基于相关性的变量选择法,两类方法都在只有部分解释变量作用于响应变量的稀疏假设下适用. 惩罚类型的变量选择法主要思想为针对添加了关于模型复杂度的惩罚函数的极大似然函数或最小二乘函数,计算模型最值以获取参数的最优估计.此类方法最早体现在Mallows[1]提出的Cp准则上,该准则采用最小二乘为假设的线性回归模型优良性进行评估,适用于方差已知且基于平方损失的线性模型;对于方差未知的情况,赤池准则提出AIC指标对变量个数施加惩罚,与Cp准则有着等效的作用,适用于更多的模型;后来Schwarz提出的BIC准则对样本……

登录APP查看全文

猜你喜欢

方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
学习方法
3D打印中的模型分割与打包
用对方法才能瘦
FLUKA几何模型到CAD几何模型转换方法初步研究
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
一个相似模型的应用