基于似然比统计量的超高维特征筛选研究
Feature Screening in Ultrahigh Dimensional Data Based on Likelihood Ratio Statistic作者机构：南京信息工程大学数学与统计学院
出 版 物：《统计与决策》 (Statistics & Decision)
年 卷 期：2018年第34卷第22期
页 面：16-19页
核心收录：
学科分类：02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 07[理学] 0714[理学-统计学（可授理学、经济学学位）] 070103[理学-概率论与数理统计] 0701[理学-数学]
基 金：国家自然科学基金资助项目(11771215) 江苏省自然科学基金资助项目(BK20161530 BK20140983) 江苏省“青蓝工程”资助项目(2016) 江苏省高等学校大学生创新创业训练计划项目(201610300041)
摘 要：特征筛选是超高维数据处理过程中非常重要的一环,筛选降维的准确性直接影响到后续的数据建模分析。文章针对卡方统计特征筛选方法（PC-SIS）的不足之处,对其进行改进,提出适用于超高维无模型假设下判别分类数据的似然比统计特征筛选方法（LR-SIS）,从理论上证明了LR-SIS方法具有确定性筛选性质,并通过蒙特卡洛数值模拟和亚马逊网站电影评论文本数据验证了LR-SIS方法的有限样本性质。
维普期刊数据库
同方期刊数据库