Covariate Information Number for Feature Screening in Ultrahigh-Dimensional Supervised Problems
超高维监督学习特征筛选中的协变量信息数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。
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：摘要研究一般超高维特征筛选，未提供归入特定经济计量方向的充分依据。
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…
超高维监督学习特征筛选中的协变量信息数
- 研究问题
- 当协变量数量远超样本量且有效信号稀疏时，如何在后续复杂分析之前筛除冗余特征，并保留真正相关的变量？
- 方法与思路
- 作者提出无模型的协变量信息数确定独立筛选方法，以关联于传统 Fisher 信息的边际效用衡量特征重要性。
- 材料陈述的贡献
- 摘要称，该方法具有确定筛选性质，可用于一侧变量连续的多种响应与特征类型，并通过模拟和大鼠转录组数据作比较。
- 阅读关注点
- 应核对信息数的定义、连续性要求究竟作用于响应还是特征、确定筛选所需信号条件，以及相关特征和阈值选择的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；筛选条件、阈值与比较结果未详述，不能推断所有数据类型下的优势或刊本变化。
原文摘要
Contemporary high-throughput experimental and surveying techniques give rise to ultrahigh-dimensional supervised problems with sparse signals; that is, a limited number of observations (n), each with a very large number of covariates (p≫n), only a small share of which is truly associated with the response. In these settings, major concerns on computational burden, algorithmic stability, and statistical accuracy call for substantially reducing the feature space by eliminating redundant covariates before the use of any sophisticated statistical analysis. Along the lines of Pearson’s correlation coefficient-based sure independence screening and other model- and correlation-based feature screening methods, we propose a model-free procedure called covariate information number-sure independence screening (CIS). CIS uses a marginal utility connected to the notion of the traditional Fisher information, possesses the sure screening property, and is applicable to any type of response (features) with continuous features (response). Simulations and an application to transcriptomic data on rats reveal the comparative strengths of CIS over some popular feature screening methods. Supplementary materials for this article are available online.