کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6868875 1440037 2018 24 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A new nonparametric screening method for ultrahigh-dimensional survival data
ترجمه فارسی عنوان
روش غربالگری جدید غیر بارداری برای داده های بقای کمرنگ بعدی
کلمات کلیدی
مدل رایگان مطمئنا غربالگری اموال، داده های بقا فوق العاده بالا، غربالگری متغیر
ترجمه چکیده
برای داده های فوق العاده ابعادی، مطمئن شوید که روش های غربالگری مستقل می تواند به طور موثر کاهش ابعاد را در حالی که اطمینان حاصل شود که تمام متغیرهای فعال را می توان با احتمال بالا حفظ کرد. با این حال، اکثر روش های غربالگری موجود برای داده های کامل داده های فوق العاده ای توسعه داده شده و نمی توانند برای داده های زنده ماندن سانسور شوند. برای رسیدگی به چالش های جدید از سانسور کردن، یک روش جدید غربالگری از مدل های جدید با استفاده از آمار آزمون کولموگروف-اسمیرنوف پیشنهاد شده است که به ویژه برای داده های بقاء فوق العاده اندازه گیری شده است. ویژگی غربالگری مطمئن در برخی شرایط منظم خفیف ایجاد شد و عملکرد برتر آن نسبت به روشهای غربالگری موجود، توسط مطالعات شبیه سازی گسترده ما نشان داده شده است. نمونه ای واقعی از بیان ژن برای نشان دادن کاربرد روش غربالگری پیشنهادی پیشنهاد شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
For ultrahigh-dimensional data, sure independent screening methods can effectively reduce the dimensionality while ensuring that all the active variables can be retained with high probability. However, most existing screening procedures are developed for ultrahigh-dimensional complete data and cannot be applicable to censored survival data. To address the new challenges from censoring, a novel model-free screening method was proposed through the Kolmogorov-Smirnov test statistic that is specially tailored to the ultrahigh-dimensional survival data. The sure screening property was established under some mild regularity conditions, and its superior performance over existing screening methods is demonstrated by our extensive simulation studies. A real data example of gene expression is used to illustrate the application of the proposed fully nonparametric screening procedure.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 119, March 2018, Pages 74-85
نویسندگان
, , ,