待验证50% 置信事实精确时间
Model-X knockoffs由Barber和Candès于2015年提出，是一种在已知协变量分布条件下实现精确FDR控制的变量选择框架。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
模型无关变量选择新方法MAS：无需协变量分布假设的FDR控制
rss2026/10/15
涉及实体
相关事实
待验证Knockoff 方法通过为每个原始变量构造一个仿冒变量，并要求二者在联合分布中满足交换对称性，从而利用原始变量与 knockoff 的统计量差异来控制 FDR；列置换等变性是构造有效 knockoff 统计量的关键前提。65% 相似待验证一项新研究提出了名为MAS（Model-Agnostic Selection with agent-X importance）的互补方法，用于在无需协变量分布假设的情况下实现FDR控制的变量选择。65% 相似待验证Model-X knockoffs不依赖结果变量Y的模型形式，仅需要协变量X的分布已知。64% 相似待验证MAS与Model-X knockoffs形成互补关系：当协变量分布已知或可准确估计时，knockoffs可能是更高效的选择；当分布未知或难以建模时，MAS展现出模型无关的优势。60% 相似待验证卡尔曼滤波是线性高斯假设下的贝叶斯最优估计器，其预测-更新两步迭代对应先验与后验概率的递推计算60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046154API
curl https://kongchang.com/api/v1/knowledge/claims/1046154MCP
get_claim(id=1046154)