이상치 오염 환경에서의 강건한 이중 정규화 변수 선택
Robust Dual-Regularized Variable Selection under Outlier Contamination
실제 데이터에는 변수 선택에 과도한 영향을 미칠 수 있는 비정상적인 관측치가 포함되는 경우가 많으며, 이는 복잡한 예측 변수 환경에서 특히 두드러집니다. 본 논문에서는 이상치 오염이 존재하는 단일 인덱스 모델(single index models)에서의 변수 선택을 위한 2단계 희소 중위 그래디언트 외적(sparse median outer product of gradients, smOPG) 방법을 제안합니다. 먼저 \(\ell_1\) 페널티 기반 국소 중위 회귀(local median regression)를 통해 희소 국소 그래디언트(sparse local gradients)를 추정한 다음, 정규화된 특이값 분해(singular value decomposition)를 사용해 결과 그래디언트 행렬의 랭크-1 희소 근사로부터 활성 예측 변수 집합을 복원합니다. 중위 회귀와 국소 가중치의 결합은 반응 변수 이상치(response outliers)와 레버리지 포인트(leverage points) 모두에 대해 강건성(robustness)을 제공합니다. 다양한 차원과 오염 메커니즘에 걸친 광범위한 시뮬레이션을 통해 기존 방법 대비 smOPG의 우수한 변수 선택 성능을 입증합니다. 대기 오염 및 유전체 데이터에 대한 적용을 통해 실용적 유용성을 보여주는 한편, 이론적으로는 개별 국소 회귀의 선택 일치성(selection consistency)을 요구하지 않고도 활성 집합 복원이 가능함을 규명합니다.