論文の概要: Inferring independent sets of Gaussian variables after thresholding correlations

• arxiv url: http://arxiv.org/abs/2211.01521v1
• Date: Wed, 2 Nov 2022 23:47:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 13:53:34.606111
• Title: Inferring independent sets of Gaussian variables after thresholding correlations
• Title（参考訳）: 閾値相関後のガウス変数の独立集合の推定
• Authors: Arkajyoti Saha, Daniela Witten, Jacob Bien
• Abstract要約: データから選択されたガウス変数の集合が残りの変数とは独立であるかどうかをテストする。 確率変数群間の正準相関から条件付けイベントの新たな特徴付けを開発する。 シミュレーション研究や遺伝子共発現ネットワークの解析において、我々のアプローチは選択の効果を無視するナイーブのアプローチよりもはるかに高いパワーを持つことを示した。
• 参考スコア（独自算出の注目度）: 1.3535770763481905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider testing whether a set of Gaussian variables, selected from the data, is independent of the remaining variables. We assume that this set is selected via a very simple approach that is commonly used across scientific disciplines: we select a set of variables for which the correlation with all variables outside the set falls below some threshold. Unlike other settings in selective inference, failure to account for the selection step leads, in this setting, to excessively conservative (as opposed to anti-conservative) results. Our proposed test properly accounts for the fact that the set of variables is selected from the data, and thus is not overly conservative. To develop our test, we condition on the event that the selection resulted in the set of variables in question. To achieve computational tractability, we develop a new characterization of the conditioning event in terms of the canonical correlation between the groups of random variables. In simulation studies and in the analysis of gene co-expression networks, we show that our approach has much higher power than a ``naive'' approach that ignores the effect of selection.
• Abstract（参考訳）: データから選択されたガウス変数の集合が残りの変数とは独立であるかどうかをテストする。 この集合は、科学分野にまたがって一般的に用いられる非常に単純なアプローチによって選択されると仮定する: 集合外のすべての変数との相関がしきい値以下となる変数の集合を選択する。 選択推論の他の設定とは異なり、選択ステップを考慮できないことは、この設定では(保守的ではない)過度に保守的な結果につながる。 提案するテストでは,変数のセットがデータから選択されているため,保守的ではないことを適切に説明している。 テストを開発するために、我々は、選択が問題となる変数の集合をもたらすことを条件とした。 計算的トラクタビリティを実現するため,確率変数群間の正準相関による条件付けイベントの新たな特徴付けを開発する。 シミュレーション研究および遺伝子共発現ネットワークの解析において、我々のアプローチは選択の効果を無視する「ナイーブ」アプローチよりもはるかに高いパワーを持つことを示した。

関連論文リスト

• 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)
• Scalable variable selection for two-view learning tasks with projection operators [0.0]
  本稿では,2視点設定やベクトル値による教師付き学習問題に対して,新しい変数選択法を提案する。 当社のフレームワークは,データサンプルの数が数百万にものぼる,非常に大規模な選択タスクを処理できる。
  論文  参考訳（メタデータ） (2023-07-04T08:22:05Z)
• Copula Entropy based Variable Selection for Survival Analysis [2.3980064191633232]
  本稿では,コピュラエントロピー(CE)に基づく変数選択法を生存分析に適用することを提案する。 その考え方は、変数とCEとの時間と時間との相関を測り、CE値に従って変数を選択することである。
  論文  参考訳（メタデータ） (2022-09-04T08:14:07Z)
• Predicting Out-of-Domain Generalization with Neighborhood Invariance [59.05399533508682]
  局所変換近傍における分類器の出力不変性の尺度を提案する。 私たちの測度は計算が簡単で、テストポイントの真のラベルに依存しません。 画像分類,感情分析,自然言語推論のベンチマーク実験において,我々の測定値と実際のOOD一般化との間に強い相関関係を示す。
  論文  参考訳（メタデータ） (2022-07-05T14:55:16Z)
• Conditional Variable Selection for Intelligent Test [5.904240881373805]
  本稿では,事前選択された変数の集合から最も重要な候補変数を選択可能な,新しい条件変数選択フレームワークについて論じる。 本稿では,事前選択された変数の集合から最も重要な候補変数を選択可能な条件変数選択フレームワークについて論じる。
  論文  参考訳（メタデータ） (2022-07-01T11:01:53Z)
• Nonparametric Conditional Local Independence Testing [69.31200003384122]
  条件付き局所独立は、連続的な時間プロセス間の独立関係である。 条件付き地域独立の非パラメトリックテストは行われていない。 二重機械学習に基づく非パラメトリックテストを提案する。
  論文  参考訳（メタデータ） (2022-03-25T10:31:02Z)
• Fast Bayesian Variable Selection in Binomial and Negative Binomial Regression [9.774282306558465]
  本稿では,二項回帰および負二項回帰における変数選択のための効率的なMCMCスキームを導入し,ロジスティック回帰を特別な事例として活用する。 実験では、17万の共変量を持つデータを含む、我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-28T20:54:41Z)
• Safe Tests and Always-Valid Confidence Intervals for contingency tables and beyond [69.25055322530058]
  2つのデータストリームが同じソースから来るかどうかをテストするためのE変数を開発します。 これらのE変数は、オプションの停止や継続のようなフレキシブルなサンプリングシナリオの下で、安全であり続けるテストにつながる。
  論文  参考訳（メタデータ） (2021-06-04T20:12:13Z)
• Stable Prediction via Leveraging Seed Variable [73.9770220107874]
  従来の機械学習手法は、非因果変数によって誘導されるトレーニングデータにおいて、微妙に刺激的な相関を利用して予測する。 本研究では, 条件付き独立性テストに基づくアルゴリズムを提案し, 種子変数を先行変数とする因果変数を分離し, 安定な予測に採用する。 我々のアルゴリズムは、安定した予測のための最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-06-09T06:56:31Z)
• On conditional versus marginal bias in multi-armed bandits [105.07190334523304]
  多腕バンディットにおける腕のサンプル平均のバイアスは、適応データ解析において重要な問題である。 サンプル平均を含む報酬の単調関数の条件バイアスの兆候を特徴付ける。 我々の結果は任意の条件付けイベントを保ち、データ収集ポリシーの自然な単調性特性を活用する。
  論文  参考訳（メタデータ） (2020-02-19T20:16:10Z)

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。