論文の概要: Estimation, Confidence Intervals, and Large-Scale Hypotheses Testing for
High-Dimensional Mixed Linear Regression
- arxiv url: http://arxiv.org/abs/2011.03598v1
- Date: Fri, 6 Nov 2020 21:17:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 05:17:13.582927
- Title: Estimation, Confidence Intervals, and Large-Scale Hypotheses Testing for
High-Dimensional Mixed Linear Regression
- Title(参考訳): 高次元混合線形回帰における推定・信頼区間・大規模仮説検定
- Authors: Linjun Zhang, Rong Ma, T. Tony Cai and Hongzhe Li
- Abstract要約: 本稿では,2つの線形回帰モデルのうちの1つから出力変数が得られた高次元混合線形回帰(MLR)について検討する。
本稿では, 2つの回帰ベクトルを推定し, その収束率を確立するための反復的手順を提案する。
回帰係数をテストするために大規模な多重検定手法を提案し, アルゴリズムによって偽発見率(FDR)を制御できることが示されている。
- 参考スコア(独自算出の注目度): 9.815103550891463
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies the high-dimensional mixed linear regression (MLR) where
the output variable comes from one of the two linear regression models with an
unknown mixing proportion and an unknown covariance structure of the random
covariates. Building upon a high-dimensional EM algorithm, we propose an
iterative procedure for estimating the two regression vectors and establish
their rates of convergence. Based on the iterative estimators, we further
construct debiased estimators and establish their asymptotic normality. For
individual coordinates, confidence intervals centered at the debiased
estimators are constructed.
Furthermore, a large-scale multiple testing procedure is proposed for testing
the regression coefficients and is shown to control the false discovery rate
(FDR) asymptotically. Simulation studies are carried out to examine the
numerical performance of the proposed methods and their superiority over
existing methods. The proposed methods are further illustrated through an
analysis of a dataset of multiplex image cytometry, which investigates the
interaction networks among the cellular phenotypes that include the expression
levels of 20 epitopes or combinations of markers.
- Abstract(参考訳): 本稿では,未知の混合比と未知の共分散構造を持つ2つの線形回帰モデルのうちの1つから出力変数が生じる高次元混合線形回帰(MLR)について検討する。
高次元emアルゴリズムを基礎として,2つの回帰ベクトルを推定し,収束率を定式化する反復手法を提案する。
反復推定法に基づき,さらにデバイアス推定法を構築し,漸近正規性を確立する。
個々の座標では、偏差推定器を中心とした信頼区間が構築される。
さらに,回帰係数をテストするための大規模多重試験手法を提案し,漸近的に偽発見率(fdr)を制御することを示した。
提案手法の数値的性能と既存手法の優越性を検討するため,シミュレーション実験を行った。
提案手法は、20エピトープの発現レベルやマーカーの組み合わせを含む細胞性表現型間の相互作用ネットワークを解析する多重画像サイトメトリーのデータセットの分析を通じて、さらに説明される。
関連論文リスト
- Mixed Matrix Completion in Complex Survey Sampling under Heterogeneous
Missingness [6.278498348219109]
サブ線形収束を実現する高速でスケーラブルな推定アルゴリズムを提案する。
本手法は,全国保健栄養検査調査データの分析に応用される。
論文 参考訳(メタデータ) (2024-02-06T12:26:58Z) - Selective Nonparametric Regression via Testing [54.20569354303575]
本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。
既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
論文 参考訳(メタデータ) (2023-09-28T13:04:11Z) - Structured Radial Basis Function Network: Modelling Diversity for
Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。
構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。
この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文 参考訳(メタデータ) (2023-09-02T01:27:53Z) - Multi-Fidelity Covariance Estimation in the Log-Euclidean Geometry [0.0]
対称正定値多様体の対数ユークリッド幾何学を利用する共分散行列の多値推定器を導入する。
固定予算が与えられた推定器の平均二乗誤差を最小化する最適サンプル割り当て方式を開発した。
物理アプリケーションからのデータによるアプローチの評価は、ベンチマークと比較すると、より正確なメトリック学習と1桁以上のスピードアップを示している。
論文 参考訳(メタデータ) (2023-01-31T16:33:46Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳(メタデータ) (2022-09-16T19:15:50Z) - Random Forest Weighted Local Fr\'echet Regression with Random Objects [52.25304029942005]
本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。
最初の方法は,これらの重みを局所平均として利用し,条件付きFr'echet平均を解く。
第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
論文 参考訳(メタデータ) (2022-02-10T09:10:59Z) - Optimal regularizations for data generation with probabilistic graphical
models [0.0]
経験的に、よく調和された正規化スキームは、推論されたモデルの品質を劇的に改善する。
生成的ペアワイドグラフィカルモデルの最大Aポストエリオーリ(MAP)推論におけるL2とL1の正規化について検討する。
論文 参考訳(メタデータ) (2021-12-02T14:45:16Z) - Statistical Inference for High-Dimensional Linear Regression with
Blockwise Missing Data [13.48481978963297]
ブロックワイドなデータは、異なるソースまたはモダリティが相補的な情報を含むマルチソースまたはマルチモダリティデータを統合するときに発生する。
本稿では,未偏差推定方程式に基づいて回帰係数ベクトルを計算効率良く推定する手法を提案する。
アルツハイマー病神経画像イニシアチブの数値的研究と応用分析により、提案手法は既存の方法よりも教師なしのサンプルからより優れた性能と利益を得られることを示した。
論文 参考訳(メタデータ) (2021-06-07T05:12:42Z) - Estimation of Switched Markov Polynomial NARX models [75.91002178647165]
非線形自己回帰(NARX)成分を特徴とするハイブリッド力学系のモデル群を同定する。
提案手法は, 特定の回帰器を持つ3つの非線形サブモデルからなるSMNARX問題に対して実証される。
論文 参考訳(メタデータ) (2020-09-29T15:00:47Z) - Asymptotic Errors for Teacher-Student Convex Generalized Linear Models
(or : How to Prove Kabashima's Replica Formula) [23.15629681360836]
凸一般化線形モデルの再構成性能に関する解析式を検証した。
解析的継続を行えば、結果を凸(非強直)問題に拡張できることを示す。
主流学習法に関する数値的な例で,本主張を述べる。
論文 参考訳(メタデータ) (2020-06-11T16:26:35Z) - Asymptotic Analysis of an Ensemble of Randomly Projected Linear
Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。
我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。
また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文 参考訳(メタデータ) (2020-04-17T12:47:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。