基本信息

---

下载

文档摘要

---

基于条件相关度量的超高维变量筛选方法的创新与应用研究

一、引言

1.1研究背景与意义

随着信息技术的飞速发展，各领域的数据规模和维度呈爆炸式增长，超高维数据已成为现代数据分析的新常态。在生物医学、金融风险评估、图像处理、机器学习等前沿领域，数据的维度常常远远超过样本数量，给传统的统计分析和机器学习方法带来了前所未有的挑战。例如，在基因表达数据分析中，基因的数量可达数万甚至数十万，而样本数量可能仅为几百个，如何从如此庞大的基因数据中筛选出与疾病相关的关键基因，成为攻克疾病机制和精准医疗的关键难题；在金融市场高频交易数据中，众多的市场指标和交易特征使得分析维度急剧增加，准确筛选出影响资产价格波