变量筛选是处理超高维数据的常用方法之一。通过研究多分类因变量的超高维判别分析的特征筛选问题,提出了一种新的特征筛选方法MCV-SIS,并研究了该方法的理论性质。理论研究表明,在较为宽松的正则条件下,MCV-SIS满足确定筛选性质和排序相合性。同时该方法是模型自由的,对厚尾数据和异常值有较好的稳健性。数值模拟分析和实际数据的实证分析结果都表明,比较现有的几种适用于多类别的特征筛选方法,MCV-SIS具有更好的变量筛选效果。
科研之友
微信
新浪微博
Facebook
分享链接
