基于动态协方差建模的纵向数据特征筛选方法

为了使统计分析有效进行,特征筛选问题在超高维领域已被众多学者广泛研究;针对现存特征筛选方法不能灵活处理超高维纵向数据的组内相关性问题,提出一个基于动态协方差建模的迭代特征筛选方法,并称之为迭代的动态特征筛选方法;在每次迭代过程中,均使用修正的Cholesky分解代替静态协方差矩阵建模方法对纵向数据的组内协方差矩阵进行动态建模,获得灵活的组内协方差矩阵估计,然后将所得估计代入广义估计方程中,并基于广义估计方程特征筛选方法的思想建立特征筛选准则进行筛选,最后当迭代算法收敛时得到最终的筛选子模型;引入随机模拟和酵母细胞周期循环基因表达数据集对迭代的动态特征筛选方法和基于广义估计方程的特征筛选方法以及其他2个经典的独立特征筛选方法进行测试,结果表明:迭代的动态特征筛选方法不仅可以快速地筛选出重要协变量,而且还能够更加灵活地处理纵向数据的组内相关性,拥有更高的筛选精度。