暨南经院统计学系列Seminar第141期:陈欣(南方科技大学)

发布者:徐思捷发布时间:2024-09-26浏览次数:10

主题:Optimal Sparse Sliced Inverse Regression via Random Projection

主讲人:陈欣 南方科技大学

主持人:姜云卢 威尼斯欢迎你welcome

时间:2024926日(周四)上午9:30-10:30

地点:威尼斯欢迎你welcome石牌校区威尼斯欢迎你welcome大楼(中惠楼)102

摘要

We propose a novel sparse sliced inverse regression method based on random projections in a large p small n setting. Embedded in a generalized eigenvalue framework, the proposed approach finally reduces to parallel execution of low-dimensional (generalized) eigenvalue decompositions, which facilitates high computational efficiency. Theoretically, we prove that this method achieves the minimax optimal rate of convergence under suitable assumptions. Furthermore, our algorithm involves a delicate reweighting scheme, which can significantly enhance the identifiability of the active set of covariates. Extensive numerical experiments demonstrate high superiority of the proposed algorithm in comparison to competing methods.

主讲人简介

CHEN XIN(陈欣),目前任职于南方科技大学统计与数据科学系副教授,研究员,博士生导师。1999年本科毕业于南开大学数学系,2003年在新加坡国立大学获得硕士学位。2010年博士毕业于美国明尼苏达大学双子城分校。曾在美国雪城大学,新加坡国立大学任教。主要研究领域是高维数据的降维和变量选择的方法, 其他的研究领域包括复杂数据分析,以及用统计方法研究气候变化。在统计学顶级刊物Annals of StatisticsBiometrika发表过若干篇文章。目前担任JCR一区杂志Biometrics以及Statistics & Computing的副主编。

欢迎感兴趣的师生参加

 

校对| 姜云卢

责编| 彭  毅

初审| 姜云卢

终审发布| 何凌云

(来源:威尼斯欢迎你welcome微信公众号)