基于模型平均的超高维数据特征筛选方法

• 作者: 何孟霜 夏文俊 来鹏 高羽飞
• 来源期刊: 扬州大学学报（自然科学版）
• 学科: 数学
• 关键词: 超高维数据 条件分位数 模型平均 确定性筛选性质
• 年，卷（期）: 2020,（3）
• 页码范围: 7-14
• 页数: 8页
• 分类号: O212.4
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2020.03.003

摘要

结合模型平均技术和条件分位数方法,提出一种基于变量间相关度量的模型平均特征筛选方法.该方法具有无模型假设、对异常值或重尾分布稳健以及计算简单快捷等优点,并通过理论证明和蒙特卡洛数值模拟验证了该方法满足确定性筛选性质和有限样本性质.实例分析结果表明,本文所提出的方法具有优良的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	来鹏		27	70	4.0	7.0
2	高羽飞		2	1	1.0	1.0
3	何孟霜		2	0	0.0	0.0
4	夏文俊		2	0	0.0	0.0