인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
In analysis of high-dimensional data, penalized regression models have been commonly employed to select relevant variables. The most popularly used model is a least absolute shrinkage and selection operator, i.e., lasso. Recent studies proposed resampling-based methods to control the false discovery rate of variables selected by lasso. They include a data splitting method and a Gaussian mirror method. The former randomly splits samples into two different sets to estimate two independent coefficients for the same variable, while the later randomly generates Gaussian errors to construct a pair of variables and to estimate two different coefficients. Then, mirror statistics based on the coefficients estimated by each method were used for the error control. In this article, we proposed new approach to control FDR, combining a selection probability and a mirror statistic motivated by two resampling-based methods. In our simulation study, we demonstrated that the proposed approach controls FDR at a designated level better than other resampling-based methods while it maintains selection power. We also identified potentially cancer-related genes in analysis of microarray gene expression data from a breast cancer study.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
