High-dimensional classification using features annealed independence rules
基于特征筛减独立规则的高维分类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：摘要研究通用高维统计分类与特征筛选，未涉及经济离散选择或其他所列领域细分。
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
基于特征筛减独立规则的高维分类
- 研究问题
- 高维特征估计中的噪声累积为何可能使独立分类规则乃至多数线性判别退化，如何通过筛选特征控制分类误差？
- 方法与思路
- 作者分析高维分类的噪声累积，提出 FAIR 方法，以两样本 t 统计量筛选特征，并依据分类误差上界选择特征数量或阈值。
- 材料陈述的贡献
- 摘要称，给出重要特征可被选出的条件，说明使用全部特征可能接近随机猜测，并以模拟和真实数据支持所提分类方法。
- 阅读关注点
- 应核对分类退化的维度与信号条件、t 统计量筛选所需假设、误差上界与阈值规则，以及模拟和实证采用的比较设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出完整条件和误差数值，退化与改进结论不能直接推广到所有分类问题。
原文摘要
Classification using high-dimensional features arises frequently in many contemporary statistical studies such as tumor classification using microarray or other high-throughput data. The impact of dimensionality on classifications is poorly understood. In a seminal paper, Bickel and Levina [Bernoulli 10 (2004) 989--1010] show that the Fisher discriminant performs poorly due to diverging spectra and they propose to use the independence rule to overcome the problem. We first demonstrate that even for the independence classification rule, classification using all the features can be as poor as the random guessing due to noise accumulation in estimating population centroids in high-dimensional feature space. In fact, we demonstrate further that almost all linear discriminants can perform as poorly as the random guessing. Thus, it is important to select a subset of important features for high-dimensional classification, resulting in Features Annealed Independence Rules (FAIR). The conditions under which all the important features can be selected by the two-sample $t$-statistic are established. The choice of the optimal number of features, or equivalently, the threshold value of the test statistics are proposed based on an upper bound of the classification error. Simulation studies and real data analysis support our theoretical results and demonstrate convincingly the advantage of our new classification procedure.