《表2 SLOPE和LASSO方法得到的显著基因变量》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《次序L_1惩罚估计在高维数据分析中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文从Broad Institute癌症项目数据集中选取了149名乳腺癌患者，筛选出1 213种与乳腺癌相关的基因表达数据作为样本（1）。记n=149，1 213种基因分别记为V1，V2，…，V1 213，此时变量的数量远远大于观测值的数量，需要采取变量选择方法进行降维。分别运用SLOPE和LASSO方法来筛选数据，将一些无意义或者意义极小自变量的回归系数压缩至0，进行变量选择。设置FDR名义水平为q=0.1，通过SLOPE和LASSO方法分别得到了46和19个非零回归系数，相应筛选出SLOPE和LASSO方法得到的显著基因变量如表2所示。