南京信息工程大学2022年科技活动月——统计与数据科学藕舫讲坛: 特邀中国科学技术大学王学钦教授作学术报告

发布者:王文婧发布时间:2022-04-26浏览次数:10

报告题目:A Polynomial Algorithm for Best Subset Selection

人:王学钦教授

报告时间:2022年4月27日(周三)下午 16:10-17:00

腾讯会议:924-270-390

人:曹春正教授

 

报告人简介:

王学钦,中国科学技术大学管理学院教授,国家优秀青年基金获得者,教育部新世纪人才和长江奖励计划特聘教授。教育部高等学校统计学类专业教学指导委员会委员、中国现场统计研究会副理事长、统计学国际期刊《JASA》、《SII》、《CJS》等的Associate Editor、高等教育出版社《Lecture Notes: Data Science, Statistics and Probability》系列丛书的副主编、中国现场统计研究会数据科学与人工智能分会副理事长、中国青年统计学家协会副会长、全国工业统计学教学研究会数字经济与区块链技术协会副理事长。目前主要从事统计机器学习的理论和方法研究,研究方向还包括现代统计推断(针对非欧数据的推断和递归推断)、精准医疗、统计优化和计算、风险管理和政策评估等。已发表SCI期刊论文90多篇,其中包括:综合性顶级期刊Proceedings of the National Academy of  Sciences (PNAS)、统计学顶级期Journal of the American Statistical Association(JASA)、Annals of Statistics (AoS)和Nature Genetics。

 

报告简介:

Best subset selection aims to find a small subset of predictors that lead to the most desirable and pre-defined prediction accuracy in a linear regression model. It is not only the most fundamental problem in regression analysis, but also has far reaching applications in every facet of research including computer science and medicine. We introduce a polynomial algorithm which under mild conditions, solves the problem. This algorithm exploits the idea of sequencing and splicing to reach the stable solution in finite steps when the sparsity level of the model is fixed but unknown. We define a novel information criterion that the algorithm uses to select the true sparsity level with a high probability. We show when the algorithm produces a stable optimal solution that is the oracle estimator of the true parameters with probability one. We also demonstrate the power of the algorithm in several numerical studies.

 

欢迎广大师生踊跃参加!

数学与统计学院

2022年4月26日