特徴選択のためのランダム置換テスト

ロジスティック回帰のコンテキストでの特徴選択のための順列分析について混乱しています。
ランダム置換テストの明確な説明と、それが特徴選択にどのように適用されるかを教えてください。おそらく正確なアルゴリズムと例で。

最後に、LassoやLARなどの他の収縮方法と比較してどうですか？

regression logistic feature-selection permutation-test shrinkage

— うご
ソース

たとえば、設計行列の1つの列のエントリが並べ替えられ、応答と他の共変量が固定されているようなものですか？使用している特定の参照がある場合は、それを一覧表示すると役立つ場合があります。

— 枢機卿

このリンクciteseerx.ist.psu.edu/viewdoc/…は適切な手法を参照していると思います。私は現在、この方法について教えてくれた講師と連絡を取り直そうとしています...

— Ugo

なんとか彼と連絡が取れなかった（ドナルドジェマン）

— 宇後

あなたの質問には、明確にしたいかもしれない不明確な点があります。リンクされた論文には、アルゴリズムのかなり明確な説明があります。このアルゴリズムについて何か特定の質問をしたいですか？説明が必要な限界

値を計算して特徴選択を行うという考えですか？さらに、論文の定義2に質問する必要があります。これはサポートされていない主張であり、実際の仮定である可能性がありますが、小さな限界

値は一般に関連性を意味しません。ところで、LARは線形回帰を行うものであり、実際にはバイナリ応答用ではありません。

p

$p$

p

$p$

— NRH

（今はあまり時間がないので、簡単に答えてから後で展開します）

$m$ $n$ $\theta$ $m$ $n$ $\theta_p$ $p$ $m$ $n$

$\theta_p$ $\theta$

このプロセスはすべての機能に対して繰り返され、分類に使用される機能のサブセットは次の2つの方法で選択できます。

— ベンハムナー
ソース