报告题目：基于皮尔逊偏相关系数的分布式特征筛选

报告摘要：针对海量超高维数据, 本文提出了一类分布式的条件特征筛选方法。 首先, 本文基于皮尔逊偏相关系数研究了三种分布式偏相关系数的特征筛选方法(SAPS,ACPS和JDPS方法), 证明了分布式估计的相合性和特征筛选的确定筛选性质。 其次, 本文进一步基于Knockoff变量方法提出了一种控制FDR的两步的分布式特征筛选方法，从理论上证明了该方法在一定条件下能够控制住FDR, 同时也满足确定筛选性质。与已有文献不同的是, 本文在分布式特征筛选中考虑了条件变量对响应变量和特征变量的影响，同时考虑了FDR控制的问题。最后,通过数值模拟和实际数据分析验证了本文提出的方法的有效性。

报告时间：2023年12月08日16：00—17：00

报告地点：统计学院211会议室

专家简介：夏小超，博士，重庆大学数学与统计学院副教授，硕士生导师，2017年7月-2018年7月在新加坡国立大学统计与应用概率系从事博士后(Research Fellow)研究。目前感兴趣的研究方向是海量数据分析、特征筛选、模型平均，在统计学专业期刊上发表论文近20篇，其中部分工作发表在JoE、Biometrics、Statistica Sinica、Scandinavian Journal of Statistics等期刊上。主持完成国家自然科学基金青年项目1项、湖北省自然科学基金1项，中央高校基金项目1项。担任中国现场统计研究会第十一届理事、中国现场统计研究会多元分析应用专业委员会理事、美国数学评论评论员，也是多个SCI期刊的审稿人。