聚类Knockoff方法控制FDR的高维变量选择

烈骁 丁(Big Data Analytics Trading Inc.，美国)

摘要

高维数据研究时，会降低数据纬度，保证其在可计算范围，才能进行下步计算，所以如何加强变量选择的准确性，是研究人员需要解决的问题。因此，研究人员利用Knockoff方法控制错误发现率，对比传统BH方法，其检验效果更佳，在多重检验领域中取得质的突破。但这种方法局限于低维数据，严重影响到数据控制效果。基于此，论文根据上述内容，提出聚类Knockoff方法，优化操作流程，将其应用到高维数据变量选择方面，提高选择的合理性。

关键词

多重检验；聚类Knockoff方法；FDR

参考

王小燕,张中艳.基于Knockoff的分位数回归变量选择方法及其投资组合决策应用[J].统计研究,2023,40(4):124-137.

李泓.基于FDR控制的函数型数据的变量选择研究[D].兰州:兰州大学,2022.

王小燕,周颖,唐婷婷,等.基于Knockoff-Logistic的多因子量化选股研究[J].统计与信息论坛,2023,38(4):19-32.

赵学斌.基于Knockoff框架的变量选择模型构建与分析[D].武汉:华中农业大学,2022.

夏亚峰,何佳.高维数据下广义线性模型自适应桥惩罚估计的变量选择[J].甘肃科学学,2022,34(1):9.

DOI: http://dx.doi.org/10.26549/bdai.v4i3.13873