"큰 p, 작은 n"결과 요약

누구든지 "Large , Small "결과 에 대한 설문지를 가리킬 수 있습니까 ? 이 문제가 회귀, 분류, Hotelling의 테스트 등과 같은 다양한 연구 환경에서 어떻게 나타나는지에 관심이 있습니다 .$p$$n$

나는 한 장의 종이를 모르지만, 적용 할 수있는 가장 좋은 방법을 조사한 현재 책 은 여전히 ​​Friedman-Hastie-Tibshirani라고 생각합니다. 수축과 올가미 (Vapnik이이 책의 첫 번째 판에서 화가났다는 사실을 알고 있음)는 매우 부분적이지만 거의 모든 일반적인 수축 방법을 다루고 Boosting과의 관련성을 보여줍니다. Buhlmann & Hothorn 의 조사에 따르면 Boosting에 대해 말하면 수축과의 관련성이 있습니다.$p\gg n$

필자는 인상적인 이론적 프레임 워크를 사용하여 분류와 회귀를 분석 할 수 있지만, 고차원 데이터에 대한 테스트는 모델 선택 절차와 함께 사용되지 않고 오히려 가족 별 오류율에 중점을두기 때문에 테스트가 다르다는 점이 인상적입니다. 최고의 설문 조사에 대해 확실하지 않습니다. 브래드 에프론 (Brad Efron)은 자신의 페이지 에 수많은 논문 / 설문 조사 / 책을 가지고 있습니다. 그들 모두를 읽고 내가 정말로 읽어야 할 것을 알려주십시오 ...

"결과"이론적 결과는 무엇을 의미합니까? 또는 수치 결과?

의 리뷰와 같은 I 지앙 킹 판은 예를 들어 볼 이 하나 와 이 하나의 분류에 (자기 인용을 많이).

또한 리뷰를 풍부하게 검토하는 비 논문 용지가 있습니다 (예 : 이 논문 및 이 논문 참조) .

당신이 이력서를 원한다면 이것은 당신이 얻을 수있는 최고입니다

http://www.springer.com/statistics/statistical+theory+and+methods/book/978-3-642-20191-2

Hastie, Tibshirani 및 Friedman (제 12 판 / 제 2 판, 제 1 판 에는 없었 음)의 18 장은 흥미로운 데이터 세트가 포함 된 훌륭한 개요입니다. 오래된 자료를 다루는 것만 큼 철저하지는 않으며 특정 알고리즘이 다른 알고리즘보다 더 나은 이유에 대해 추론 적으로 설명해야합니다. 나는 당신이 더 깊이 알고 싶은 것들에 대한 독서 신문과 함께 매우 유용하다는 것을 알았습니다.