Coordinate-independent sparse sufficient dimension reduction and variable selection
坐标无关的稀疏充分降维与变量选择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。
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：摘要研究通用回归降维与变量筛选，未提供归入所列因子模型、结构估计或其他专门方向的依据。
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…
关注这篇论文的作者
坐标无关的稀疏充分降维与变量选择
- 研究问题
- 如何让充分降维同时筛除无关或冗余变量，避免估计出的线性组合包含全部预测变量，从而提高结果的可解释性？
- 方法与思路
- 作者提出 CISE，将坐标无关惩罚加入多类充分降维方法，形成 Grassmann 流形上的优化问题，并给出快速算法。
- 材料陈述的贡献
- 摘要称，CISE 同时实现稀疏降维与变量筛选，在一定条件下具有预言机性质，并以模拟和真实数据展示其表现。
- 阅读关注点
- 核对惩罚如何保证坐标无关、调参和降维维数选择、流形优化的收敛性质，以及预言机性质所需的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；所谓温和条件、维数增长范围及数值结果未说明，预言机性质不等于有限样本筛选无误。
原文摘要
Sufficient dimension reduction (SDR) in regression, which reduces the dimension by replacing original predictors with a minimal set of their linear combinations without loss of information, is very helpful when the number of predictors is large. The standard SDR methods suffer because the estimated linear combinations usually consist of all original predictors, making it difficult to interpret. In this paper, we propose a unified method—coordinate-independent sparse estimation (CISE)—that can simultaneously achieve sparse sufficient dimension reduction and screen out irrelevant and redundant variables efficiently. CISE is subspace oriented in the sense that it incorporates a coordinate-independent penalty term with a broad series of model-based and model-free SDR approaches. This results in a Grassmann manifold optimization problem and a fast algorithm is suggested. Under mild conditions, based on manifold theories and techniques, it can be shown that CISE would perform asymptotically as well as if the true irrelevant predictors were known, which is referred to as the oracle property. Simulation studies and a real-data example demonstrate the effectiveness and efficiency of the proposed approach.