基于似然比统计量的超高维特征筛选研究  

Feature Screening in Ultrahigh Dimensional Data Based on Likelihood Ratio Statistic

作　　者：来鹏 孙鑫 高羽飞 赵英序 Lai Peng;Sun Xin;Gao Yufei;Zhao Yingxu(School of Mathematics and Statistics,Nanjing University of Information Science and Technology,Nanjing 210044,China)

机构地区：[1]南京信息工程大学数学与统计学院

出　　处：《统计与决策》2018年第22期16-19,共4页Statistics & Decision

基　　金：国家自然科学基金资助项目(11771215);江苏省自然科学基金资助项目(BK20161530;BK20140983);江苏省“青蓝工程”资助项目(2016);江苏省高等学校大学生创新创业训练计划项目(201610300041)

摘　　要：特征筛选是超高维数据处理过程中非常重要的一环,筛选降维的准确性直接影响到后续的数据建模分析。文章针对卡方统计特征筛选方法（PC-SIS）的不足之处,对其进行改进,提出适用于超高维无模型假设下判别分类数据的似然比统计特征筛选方法（LR-SIS）,从理论上证明了LR-SIS方法具有确定性筛选性质,并通过蒙特卡洛数值模拟和亚马逊网站电影评论文本数据验证了LR-SIS方法的有限样本性质。Feature screening is a vital part in the processing of ultra-high dimensional data,and the veracity of screening dimension reduction directly affects the subsequent data modeling analysis.To make up the deficiencies of the Pearson Chi-square statistic（PC-SIS）,this paper proposes a method of feature screening of likelihood ratio statistic（LR-SIS） for discriminating classification data under the assumption of model-free ultrahigh dimension.The paper also theoretically proves that LR-SIS method has deterministic screening feature,and verifies the finite sample properties of LR-SIS method through Monte Carlo numerical simulations and text data of movie reviews on Amazon.com.

关 键 词：超高维 特征筛选 似然比检验 确定性筛选性质 

分 类 号：O212.4[理学—概率论与数理统计]