基于条件分布的超高维特征筛选

特征筛选方法是处理超高维数据的一种快速有效的降维方法．针对超高维判别分类数据，提出一种改进的超高维特征筛选方法，方法不需要特定的模型假定；可以处理多分类响应变量情形；可适用于离散型或连续型协变量情形；对服从重尾分布的协变量，方法仍具有较好的稳健性．从理论上证明了所提出特征筛选方法满足确定筛选性和指标排序相合性，并通过数值模拟和实例分析在有限样本条件下验证了方法的有效性．