covariates | BriefGPT - AI 论文速递

关键词covariates

搜索结果 - 32

虚警率回归：主视皮层神经同步检测的应用
介绍了一种名为 “false-discovery-rate regression” 的方法，利用辅助信息直接提高测试结果的质量，进而增大了对细节精度的探测能力，虽然存在漏诊问题，但尽管如此，它具有广泛的适用性，且能为神经元电信号测试和分析等
PDF11 years ago
高维回归通用不可表示条件下的模型选择
本文研究高维回归模型中只有少量自变量起作用的情况，提出了一种双阶段方法 Gauss-Lasso，并证明在满足广义不可表现性（GIC）条件时，Gauss-Lasso 可以正确识别自变量的作用。
PDF11 years ago
关于混杂因素的定义
提出一个对混淆变量的正式定义：定义一个混淆变量为先前暴露的协变量 C，其存在一组其他协变量 X，使得在（X，C）条件下曝露对结果的影响未被混淆，但对于（X，C）的任何真子集都不是如此，同时提出了减少偏误但不能消除偏误的变量被称为 “代理混淆
PDF11 years ago
检测治疗与大量协变量之间相互作用的简单方法
利用简单的方法来建立治疗和协变量之间的交互作用，用于个性化医疗，对大量的生物标志物进行筛选，确定对治疗有潜在益处的患者子集。
PDF12 years ago
基因关联研究和其他大规模问题的贝叶斯变量选择回归
本文研究应用贝叶斯变量选择回归（BVSR）于全基因组关联研究及类似的大规模回归问题，其中 BVSR 与其他惩罚回归方法相比具有可解释的个体协变量置信度的优势，主要关注于定量表型的分析及 BVSR 在先验适当规范下的适用性，特别是关于相关协变
PDF13 years ago
基于迹范数的相关设计正则化方法
本文提出了一种新的罚函数 —— 迹 Lasso 来稳定估计设计矩阵相关的线性模型的参数向量，并提出了一种改进的最小二乘优化算法，模拟实验结果表明，该方法相比于其他方法（如弹性网）更适用于强相关情况。
PDF13 years ago
因果推断的匹配方法：综述和展望
该论文提供了匹配方法的结构和指导，汇总现有研究（包括新旧研究）并提供匹配方法研究的概述和方向。
PDF14 years ago
高维线性模型中的变量选择：部分可信分布和 PC-simple 算法
本研究考虑高维线性模型中的变量选择，提出了部分可信度的新概念并使用它推断协变量和响应之间的关联，利用部分可信度开发出具有可行计算性的 PC-simple 算法，并在随机设计矩阵的不同性质下提供一致的变量选择。与基于惩罚的方法相比，该算法在数
PDF15 years ago
稀疏加性模型
本文介绍了一种新的高维非参数回归和分类方法 —— 稀疏加性模型（SpAM）。该方法将稀疏线性建模和加性非参数回归的思想结合起来，可以处理样本量小于协变量数的情况，并且能够使用任意非参数平滑器。实验结果证明，该方法能够有效地拟合高维数据中的稀
PDF17 years ago
非参数二元回归的高斯过程先验的后验一致性
本文研究了一个由高斯过程引发的二进制观测数据的后验分布的一致性，当协方差核有所需的导数和核的带宽参数允许取任意小的值时，后验分布在 L1 距离中是一致的。
PDF17 years ago
具有比例椭球对称分布的辨别混合仿射不变匹配方法
本文研究匹配抽样的影响，特别是当协变量分布是 “比例椭球对称的判别混合物” 时，统计结果有所泛化，并讨论了条件仿射不变匹配的扩展。
PDF18 years ago
最小角度回归
该论文介绍了一种新的模型选择算法 Least Angle Regression (LARS) 及其扩展 Lasso，其可以通过一个数据集来选择一个更简单的线性模型，有效地预测响应变量，同时可以保证绝对回归系数之和。
PDF20 years ago