National Science Library, Chinese Academy of Sciences
  登录 机构网站 ENGLISH
您当前的位置是:首页->详细浏览

期刊名称: 应用数学学报
Volume:41    Issue:1        Page:1-13
ISSN:0254-3079

SEVIS方法的局部线性估计及其在超高维数据下的应用期刊论文

作者: 连亦旻;陈钊;舒明良

服务链接:
页码: 1-13
期刊名称: 应用数学学报
ISSN: 0254-3079
卷期: Volume:41    Issue: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.
相关主题: 特征筛选, 局部线性估计, SEVIS, 超高维数据,

相关文献推荐:

问图书管理员更多图书管理员

学科咨询馆员
学科馆员

电话:
邮件:
问图书馆员

图标说明

在线获取原文 原文传递 详细信息 图书在架状态 图书馆际互借 问图书馆员

常见问题

图书馆开放时间 图书馆位置 借阅要求 您在使用中发现的任何错误,都可以向我们 【报告错误】,非常感谢!

作者信息:×