KMS Of Academy of mathematics and systems sciences, CAS
SEVIS方法的局部线性估计及其在超高维数据下的应用 | |
连亦旻1; 陈钊2; 舒明良3 | |
2018 | |
发表期刊 | 应用数学学报 |
ISSN | 0254-3079 |
卷号 | 041期号:001页码:1 |
摘要 | 在大数据时代的背景下,如何从超高维数据中筛选出真正重要的特征成为许多相关行业的研究者们广泛关注的一个问题.特征筛选的核心思想就在于排除那些明显与因变量不相关的特征以达到这一目的.基于核估计的SEVIS(Sure Explained Variability and Independence Screening)特征筛选方法在处理非对称,非线性数据下要在一定程度上优于之前的特征筛选模型,但其采用核估计的方式对非参数部分进行估计的方法仍存在进一步改进的空间.本文就从这个角度出发,将其核估计的算法修改为局部线性估计,并考虑部分特殊情况下的变量选择过程.结果显示,基于局部线性估计的SEVIS方法在准确性,运行效率上都要优于基于核估计的SEVIS的方法. |
语种 | 英语 |
文献类型 | 期刊论文 |
条目标识符 | http://ir.amss.ac.cn/handle/2S8OKBNM/47144 |
专题 | 中国科学院数学与系统科学研究院 |
作者单位 | 1.中国科学技术大学 2.Department of Statistics,Pennsylvania State University,State College 3.中国科学院数学与系统科学研究院 |
推荐引用方式 GB/T 7714 | 连亦旻,陈钊,舒明良. SEVIS方法的局部线性估计及其在超高维数据下的应用[J]. 应用数学学报,2018,041(001):1. |
APA | 连亦旻,陈钊,&舒明良.(2018).SEVIS方法的局部线性估计及其在超高维数据下的应用.应用数学学报,041(001),1. |
MLA | 连亦旻,et al."SEVIS方法的局部线性估计及其在超高维数据下的应用".应用数学学报 041.001(2018):1. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[连亦旻]的文章 |
[陈钊]的文章 |
[舒明良]的文章 |
百度学术 |
百度学术中相似的文章 |
[连亦旻]的文章 |
[陈钊]的文章 |
[舒明良]的文章 |
必应学术 |
必应学术中相似的文章 |
[连亦旻]的文章 |
[陈钊]的文章 |
[舒明良]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论