Model Selection over Partially Ordered Sets
偏序集合上的模型选择AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要提出覆盖变量选择、排序、聚类等问题的通用模型选择理论，因果推断仅为列举场景，领域证据不足。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
偏序集合上的模型选择
- 研究问题
- 当排序、聚类等模型缺少变量或边的布尔结构时，如何定义可解释的误选与漏选概念，并开展具有错误控制的模型选择？
- 方法与思路
- 作者为一般模型集合赋予偏序结构，用层级关系构造假阳性与假阴性错误的类似概念，并设计相应选择程序。
- 材料陈述的贡献
- 摘要称该框架可在一般偏序模型类中控制假阳性错误，并通过数值实验展示其在不同模型选择问题中的用途。
- 阅读关注点
- 应核对偏序与错误量的具体定义、控制目标及适用条件，并检查不同应用中的偏序选择是否对应实际研究损失。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明控制的是哪种错误量及完整条件，也未报告具体应用结果。
原文摘要
In problems such as variable selection and graph estimation, models are characterized by Boolean logical structure such as presence or absence of a variable or an edge. Consequently, false positive error or false negative error can be specified as the number of variables/edges that are incorrectly included or excluded in an estimated model. However, there are several other problems such as ranking, clustering, and causal inference in which the associated model classes do not admit transparent notions of false positive and false negative errors due to the lack of an underlying Boolean logical structure. In this paper, we present a generic approach to endow a collection of models with partial order structure, which leads to a hierarchical organization of model classes as well as natural analogs of false positive and false negative errors. We describe model selection procedures that provide false positive error control in our general setting and we illustrate their utility with numerical experiments.