論文の概要: False Discovery Rate Control via Frequentist-assisted Horseshoe
- arxiv url: http://arxiv.org/abs/2502.05460v2
- Date: Mon, 17 Feb 2025 21:36:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-19 14:01:36.107861
- Title: False Discovery Rate Control via Frequentist-assisted Horseshoe
- Title（参考訳）: 周波数支援ホースシューによる偽発見率制御
- Authors: Qiaoyu Liang, Zihan Zhu, Ziang Fu, Michael Evans,
- Abstract要約: ホースシュー先行は、ベイズ推論や機械学習に先立つ、例外的にデフォルトのグローバルローカル縮小である。
定常的に有限サンプルFDR制御が可能であることを示す。
より複雑なモデルとグローバル局所縮小前ファミリの両方に対して、FDR制御を実現するための潜在的な一般化を指摘する。
- 参考スコア（独自算出の注目度）: 2.251458832182811
- License:
- Abstract: The horseshoe prior, a widely used handy alternative to the spike-and-slab prior, has proven to be an exceptional default global-local shrinkage prior in Bayesian inference and machine learning. However, designing tests with frequentist false discovery rate (FDR) control using the horseshoe prior or the general class of global-local shrinkage priors remains an open problem. In this paper, we propose a frequentist-assisted horseshoe procedure that not only resolves this long-standing FDR control issue for the high dimensional normal means testing problem but also exhibits satisfactory finite-sample FDR control under any desired nominal level for both large-scale multiple independent and correlated tests. We carry out the frequentist-assisted horseshoe procedure in an easy and intuitive way by using the minimax estimator of the global parameter of the horseshoe prior while maintaining the remaining full Bayes vanilla horseshoe structure. The results of both intensive simulations under different sparsity levels, and real-world data demonstrate that the frequentist-assisted horseshoe procedure consistently achieves robust finite-sample FDR control. Existing frequentist or Bayesian FDR control procedures can lose finite-sample FDR control in a variety of common sparse cases. Based on the intimate relationship between the minimax estimation and the level of FDR control discovered in this work, we point out potential generalizations to achieve FDR control for both more complicated models and the general global-local shrinkage prior family.
- Abstract（参考訳）: 以前はスパイク・アンド・スラブの代替として広く用いられていたホースシューは、ベイジアン推論や機械学習に先立って、例外的に世界的局所的な縮小が認められた。
しかし, ホースシュー先行群やグローバル局所収縮前の一般クラスを用いて, 頻繁な偽発見率(FDR)制御によるテストの設計は, 未解決の問題である。
本稿では,この長期FDR制御問題を高次元の正規平均検定問題に対して解決するだけでなく,大規模複数独立・相関検定において,任意の名目レベルで良好な有限サンプルFDR制御を示す。
我々は,ベイズ・バニラ・ホースシュー構造を維持しつつ,馬靴のグローバルパラメータのミニマックス推定器を用いて,頻繁で直感的な方法でホースシューの手順を実行する。
異なる空間レベル下での集中シミュレーションと実世界のデータの両方の結果は、頻繁で補助的なホースシュー法が頑健な有限サンプルFDR制御を一貫して達成していることを示している。
既存の頻繁なFDR制御やベイズ的なFDR制御は、様々な一般的なスパースケースにおいて有限サンプルのFDR制御を失う可能性がある。
この研究で発見されたミニマックス推定とFDR制御のレベルとの親密な関係に基づき、より複雑なモデルとグローバル局所縮小前ファミリの両方に対してFDR制御を実現するための潜在的な一般化を指摘した。
関連論文リスト
- High-Dimensional False Discovery Rate Control for Dependent Variables [10.86851797584794]
本稿では,変数間の依存関係構造を利用した依存性認識型T-Rexセレクタを提案する。
可変ペナル化機構がFDR制御を保証することを実証する。
グラフィカルモデルとT-Rexフレームワークのパラメータを同時に決定する完全統合最適キャリブレーションアルゴリズムを定式化する。
論文 参考訳（メタデータ） (2024-01-28T22:56:16Z) - Sequential Kernelized Independence Testing [101.22966794822084]
我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。
シミュレーションデータと実データの両方にアプローチのパワーを実証する。
論文 参考訳（メタデータ） (2022-12-14T18:08:42Z) - Near-optimal multiple testing in Bayesian linear models with
finite-sample FDR control [11.011242089340438]
高次元変数選択問題では、統計学者はしばしば偽発見率(FDR)を制御する複数の試験手順を設計しようと試みる。
モデルが誤って特定された場合でも、有限サンプルから頻繁なFDRを確実に制御するModel-Xプロシージャを導入する。
提案手法であるPoEdCeは, 後期待, 蒸留ランダム化試験 (dCRT) , およびE値を用いたBenjamini-Hochberg法である。
論文 参考訳（メタデータ） (2022-11-04T22:56:41Z) - Two-stage Hypothesis Tests for Variable Interactions with FDR Control [10.750902543185802]
本稿では,偽発見率(FDR)を制御した2段階テスト手法を提案する。
我々の2段階の手順は古典的BH法よりも効率的であり、比較または改善された統計力を持つという総合的なシミュレーション研究を通して実証する。
論文 参考訳（メタデータ） (2022-08-31T19:17:00Z) - Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。
提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
論文 参考訳（メタデータ） (2022-03-09T01:55:59Z) - On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。
本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。
理論的にも経験的にも二重降下現象を観察する。
論文 参考訳（メタデータ） (2021-10-13T17:47:39Z) - Directional FDR Control for Sub-Gaussian Sparse GLMs [4.229179009157074]
偽発見率(FDR)制御は、統計的に有意にゼロでない結果の少ない数を特定することを目的とする。
偏りのある行列ラッソ推定器を構築し、スパースGLMの最小レートオーラクル不等式による正規性を証明する。
論文 参考訳（メタデータ） (2021-05-02T05:34:32Z) - Composably secure data processing for Gaussian-modulated continuous
variable quantum key distribution [58.720142291102135]
連続可変量子鍵分布(QKD)は、ボソニックモードの二次構造を用いて、2つのリモートパーティ間の秘密鍵を確立する。
構成可能な有限サイズセキュリティの一般的な設定におけるホモダイン検出プロトコルについて検討する。
特に、ハイレート(非バイナリ)の低密度パリティチェックコードを使用する必要のあるハイシグネチャ・ツー・ノイズ・システマを解析する。
論文 参考訳（メタデータ） (2021-03-30T18:02:55Z) - Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。
DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。
有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
論文 参考訳（メタデータ） (2021-02-23T18:56:13Z) - NeurT-FDR: Controlling FDR by Incorporating Feature Hierarchy [7.496622386458525]
統計力を高め、複数の仮説テストのためのFDRを制御するNeurT-FDRを提案する。
我々は、NeurT-FDRが強力なFDR保証を持ち、合成データセットと実データセットで大幅に発見することを示しています。
論文 参考訳（メタデータ） (2021-01-24T21:55:10Z) - Lower bounds in multiple testing: A framework based on derandomized
proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。
これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文 参考訳（メタデータ） (2020-05-07T19:59:51Z)
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。