发布日期：2026-04-16点击： 发布人：统计与数学学院
报告题目：高维数据分析中的去相关前向回归
主讲人：蒋学军教授（南方科技大学）
时间：2026年4月22日（周三）16:00 p.m.
形式：线上讲座
腾讯会议：220-577-090
主办单位：统计与数学学院
摘要：
前向回归是从大量候选协变量中自动筛选重要预测变量的关键方法。在预测变量相关性适中的情况下，前向选择通常具有筛选一致性；然而，当变量间存在较强相关性，尤其是在高维数据中预测变量高度相关时，该性质将不再成立。这一问题同样困扰现有其他模型选择方法。为此，本文针对广义均值回归模型提出一种新的去相关前向（DF）选择框架，适用于线性、Logistic、Poisson 及拟似然等常见模型，并进一步构建了阈值化去相关前向（T-DF）算法，为前向搜索过程提供具有理论依据的停止准则。理论上，我们证明了 T-DF 方法的筛选一致性，并给出了所选子模型规模的上界。模拟研究与两个实际数据分析结果表明，该方法相较于若干现有模型选择方法具有更优性能。
主讲人简介：
蒋学军，南方科技大学统计与数据科学系研究员、博士生导师，2009年博士毕业于香港中文大学统计系，2009-2010年在香港中文大学从事博士后研究，2010-2013年任中南财经政法大学副教授，2013年07月加入南方科技大学，入选深圳市海外高层次人才孔雀计划，深圳市优秀教师，主持和完成国家自然科学基金、深圳市基础研究面上项目等10余项。其研究方向和兴趣涉及大规模复杂数据统计分析、高维统计推断，金融/应用统计，迁移学习及表征学习，辅助学习等，已在统计学顶级期刊Biometrika及Bernoulli, Statistica Sinica, The Econometrics Journal, JBES, Financial Innovation, Science China-Mathematics,中国科学等统计学及计量经济学国内外一流学术期刊上发表SCI&SSCI论文近60篇，授权专利2项及出版英文教材一部。兼任中国现场统计研究会教育统计与管理分会副理事长，多元分析应用专业委员会秘书长等。
滇公网安备53010202000350号滇ICP备17008047号 Copyright ? 2013 Yunnan University of Finance and Economics All Rights Reserved
