University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

Comparing Model-agnostic Feature Selection Methods through Relative Efficiency

通过相对效率比较模型无关特征选择方法

Chenghui Zheng, Garvesh Raskutti

机构 * Department of Statistics, University of Wisconsin - Madison（统计学系，威斯康星大学麦迪逊分校） 纠错

AI总结 研究在模型无关设置下的特征选择和重要性估计问题，基于相对效率开发通用比较框架，对比广义协方差测度（GCM）和留一协变量法（LOCO）估计等方法，通过理论分析、模拟及实际数据示例得出GCM相关方法在合适条件下更优的结论。