MAS
一种模型无关的变量选择方法，无需协变量分布假设，通过agent-X重要性和交叉拟合实现FDR控制。
时间轴 (近 90 天)
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。
MAS的核心是定义了'agent-X重要性'度量，该度量在总体水平上评估某个变量存在与否对'oracle预测性'的影响差异。
MAS引入了'按协变量重采样'（resplit-per-covariate）策略，通过对每个协变量独立进行重采样，解耦估计量之间的依赖关系。
MAS通过数据聚合技术，在不牺牲FDR控制的前提下增强检测能力。
在温和条件下，MAS建立了渐近FDR控制的理论保证。
模拟实验和真实数据分析显示，MAS在FDR控制、计算效率和统计效力三个维度上均与现有方法表现相当甚至更优。
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。
全部知识事实 (7)
MAS通过数据聚合技术，在不牺牲FDR控制的前提下增强检测能力。
50%待验证MAS的核心是定义了'agent-X重要性'度量，该度量在总体水平上评估某个变量存在与否对'oracle预测性'的影响差异。
50%待验证MAS引入了'按协变量重采样'（resplit-per-covariate）策略，通过对每个协变量独立进行重采样，解耦估计量之间的依赖关系。
50%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。
50%待验证在温和条件下，MAS建立了渐近FDR控制的理论保证。
50%待验证模拟实验和真实数据分析显示，MAS在FDR控制、计算效率和统计效力三个维度上均与现有方法表现相当甚至更优。
50%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。
50%