A Generic Sure Independence Screening Procedure
时间：2019-04-23
阅读量：410次
- 演讲人： 王学钦教授（中山大学数学学院）
- 时间：2019年05月08日 星期三下午4:00-
- 地点：紫金港校区管理学院行政楼14楼1417报告厅
- 主办单位：浙江大学数据科学研究中心、浙江大学数学科学学院统计学研究所
摘要：Extracting important features from ultra-high dimensional data is one of the primary tasks in statistical learning, information theory, precision medicine, and biological discovery. Many of the sure independent screening methods developed to meet these needs are suitable for special models under some assumptions. With the availability of more data types and possible models, a model-free generic screening procedure with fewer and less restrictive assumptions is desirable. In this article, we propose a generic nonparametric sure independence screening procedure, called BCor-SIS, on the basis of a recently developed universal dependence measure: Ball correlation. We show that the proposed procedure has strong screening consistency even when the dimensionality is an exponential order of the sample size without imposing sub-exponential moment assumptions on the data. We investigate the flexibility of this procedure by considering three commonly encountered challenging settings in biological discovery or precision medicine: iterative BCor-SIS, interaction pursuit, and survival outcomes. We use simulation studies and real data analyses to illustrate the versatility and practicability of our BCor-SIS method.
欢迎参加！
联系人: 张立新教授 stazlx@zju.edu.cn
浙江大学数据科学研究中心、浙江大学数学科学学院统计学研究所
报告人简介：
王学钦，中山大学数学学院和中山医学院教授，担任中山大学统计学科带头人，数学学院院长助理，中山大学华南统计科学研究中心执行主任等职。2003年毕业于纽约州立大学宾厄姆顿分校（Binghamton University）, 2012年入选教育部新世纪优秀人才支持计划学者， 2013年获得国家优秀青年研究基金，2014年入选第八批广东省高等学校“千百十工程”国家级培养计划，2016年入选“广东特支计划”（百千工程领军人才）。此外，他还担任教育部高等学校统计学类专业教学指导委员会委员、统计学国际期刊JASA（ACS）、《SII》、《JCS》的Associate Editor、高等教育出版社《Lecture Notes: Data Science, Statistics and Probability》系列丛书的副主编和中国现场统计研究会数据科学与人工智能分会副理事长等。主要从事精准医疗、非参数统计、和机器学习等方面的研究。目前已经在包括统计学顶级刊物AOS、JASA和nature genetics等在内的国际学术期刊上发表SCI论文60余篇。