अल्ट्रा उच्च inal आयामी अर्धवृत्ताकार अनुदैर्ध्य डेटा विश्लेषण

सार

सार्वजनिक स्वास्थ्य और जैव सूचना विज्ञान जैसे क्षेत्रों में अल्ट्रा हाई ultra डायमेंशनल लॉन्गिटाइनल डेटा कभी अधिक स्पष्ट हो रहे हैं, एक विरल मॉडल के साथ लचीले तरीके विकसित करना उच्च रुचि का है। इस सेटिंग में, कोवरिएट्स का आयाम संभावित रूप से घातांक के रूप में बढ़ सकता है (𝑛1/2) समूहों की संख्या के संबंध में एक्सप (n1 / 2) n। हम अल्ट्रा हाई inal डायमेंशनल लॉन्गिट्यूड डेटा के लिए एक लचीले सेमीप्रिमेट्रिक अप्रोच अर्थात् आंशिक रूप से रैखिक सिंगल, इंडेक्स मॉडल पर विचार करते हैं। सबसे महत्वपूर्ण बात, हम न केवल आंशिक रूप से रेखीय सहसंयोजक की अनुमति देते हैं, बल्कि अनजाने लचीले कार्य के भीतर एकल we सूचकांक कोवरिएट भी मानते हैं जो गैर-समरूप रूप से अति उच्च आयामी होने का अनुमान लगाता है। दंडित सामान्यीकृत आकलन समीकरणों का उपयोग करते हुए, यह दृष्टिकोण विषयों के भीतर सहसंबंध पर कब्जा कर सकता है, एक साथ चर चयन कर सकता है और एक सुचारू रूप से चिपके हुए पूर्ण विचलन दंड के साथ अनुमान और प्रदर्शन कर सकता है, और अनैच्छिकता और संभावित रूप से भविष्यवाणियों के बीच कुछ बातचीत को पकड़ सकता है। हम आंशिक रूप से रैखिक और गैर-समरूप दोनों घटकों के लिए अल्ट्रा हाई डायमेंशन में ओरेकल प्रॉपर्टी सहित अनुमानकों के लिए असममित सिद्धांत की स्थापना करते हैं, और हम कम्प्यूटेशनल चुनौतियों को संभालने के लिए एक कुशल एल्गोरिदम प्रस्तुत करते हैं। हम एक सिमुलेशन अध्ययन और एक खमीर सेल चक्र जीन अभिव्यक्ति डेटा के माध्यम से हमारी विधि और एल्गोरिथ्म की प्रभावशीलता दिखाते हैं।