变量选择方法.PDFVIP

中国科学: 数学 2018 年 第48 卷 第5 期: 643 660 论 文 比例风险模型中基于 惩罚函数的 变量选择方法 1 1 2 3 ∗ 曹永秀 焦雨领 石跃勇 刘妍岩 1. 中南财经政法大学统计与数学学院, 武汉430073; 2. 中国地质大学(武汉) 经济管理学院, 武汉430074; 3. 武汉大学数学与统计学院, 武汉430072 E-mail: yxcao@zuel.edu.cn, yljiaostatistics@zuel.edu.cn, yueyongshi@cug.edu.cn, liuyy@whu.edu.cn 收稿日期: 2016-10-02; 接受日期: 2017-08-29; 网络出版日期: 2018-03-14; * 通信作者 国家自然科学基金(批准号:和、湖北省自然科学基金 (批准号: 2016CFB486)、中央高校基本科研业务费专 项资金 (批准号: CUGW150809)、中南财经政法大学研究生科研创新 (批准号: 2016J1304) 和中南财经政法大学引进人才启动金 (批准号: 31541711202) 资助项目 摘要 在生物医学研究中 研究个体的失效时间往往存在删失 比例风险模型是经常被用来处理 此类删失数据的模型 对于带有删失的高维数据 如何从众多协变量中挑选出少数的致病因素是研究 者的兴趣所在 本文针对高维删失数据利用 惩罚函数考虑了基于 比例风险模型框架下的 变量选择及参数估计问题 在允许协变量维数发散的条件下 本文给出 惩罚估计量的相合性以 及 性质 计算方面若采用传统方法计算惩罚估计解 当协变量维数较高时计算 阵的逆矩 阵需要花费大量的时间 且 惩罚函数在原点的不光滑性也给计算 惩罚估计带来很大难 度 为此 本文利用光滑化技术对 惩罚函数进行近似 并利用 公式去代替 阵的逆矩 阵 进而提出了 算法 模拟计算的结果表明 惩罚方法比已有常用的惩罚方法表现更好 而且本文提出的新算法与常用的坐标下降算法相比表现更优 在真实数据部分 本文还分析了乳腺癌 数据 并利用留一交叉验证法来评估预测的好坏 关键词 坐标下降算法 惩罚偏似然 拟Newton 算法 变量选择 主题分类 62N02 引言 在许多实际问题中 研究者往往感兴趣于从众多可能的协变量中挑选出对研究的客观现象有重 要影响的因素 这也就是变量选择问题 基于惩罚函数的变量选择方法可以同时实现变量选择和参数 估计的双重目的 因此成为目前实现变量选择目的的常用方法 基于 L 惩罚函数的惩罚方法是其中 英文引用格式 ⃝ 《中国科学》杂志社 曹永秀等: Cox 比例风险模型中基于SELO 惩罚函数的变量选择方法 非常重要的一类 如 C 和 等 L 惩罚方法直接对回归系 数中非零元的个数做惩罚 因此 直观上利用 L 惩罚方法吻合变量选择的目的 但由于该惩罚函数 的不连续性 直接利用 L 惩罚方法进行变量选择难以得到稳定的结果 因此 一些学者考虑利用一 些特殊的连续函数去代替 L 惩罚函数来实现变量选择的目的 如 、 、自适应 、 和 L 惩罚函数等 在这些惩罚方 法中 惩罚函数可以很好地逼近L 惩罚函数 且该函数的连续性保证了 惩罚估计比L 惩罚估计更稳定 模拟计算的结果表明 惩罚方法比一些已有的惩罚方法表现更好 尤其当信号