Variable Selection with Error Control: Another Look at Stability Selection
带错误控制的变量选择：再论稳定性选择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：摘要讨论通用变量选择与概率界，未给出因果、预测或其他指定领域的直接应用依据。
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
带错误控制的变量选择：再论稳定性选择
- 研究问题
- 如何通过互补子样本聚合变量选择结果，控制低选择概率变量被纳入及高选择概率变量被遗漏的期望数量？
- 方法与思路
- 作者提出互补对稳定性选择，推导上述两类期望数量的上界；基础结果无需交换性等模型假设，形状限制可进一步收紧界。
- 材料陈述的贡献
- 摘要称，该变体不依赖原选择程序的质量假设即可给出相应界，并能在额外形状限制下增强所定义的错误控制。
- 阅读关注点
- 应核对互补子样本、选择概率与阈值的定义，以及两类误差界和形状限制，特别是它们与真实变量误选遗漏的区别。
- 阅读边界
- 仅据所给 Crossref 摘要解读。这里控制的是按原程序选择概率划分的变量数量，不能直接等同于真实无关变量的误选率；具体界与形状条件摘要未说明。
原文摘要
Summary Stability selection was recently introduced by Meinshausen and Bühlmann as a very general technique designed to improve the performance of a variable selection algorithm. It is based on aggregating the results of applying a selection procedure to subsamples of the data. We introduce a variant, called complementary pairs stability selection, and derive bounds both on the expected number of variables included by complementary pairs stability selection that have low selection probability under the original procedure, and on the expected number of high selection probability variables that are excluded. These results require no (e.g. exchangeability) assumptions on the underlying model or on the quality of the original selection procedure. Under reasonable shape restrictions, the bounds can be further tightened, yielding improved error control, and therefore increasing the applicability of the methodology.