An adaptive subsampling method for large-sample feature screening
초고차원 특징 스크리닝(feature screening) 표준법인 SIS(Sure Independence Screening)의 O(np) 계산 비용을, 다중 armed bandit(MAB)에서 영감을 받은 BanditSIS가 서브샘플 크기를 점진적으로 늘리며 작은 주변 Pearson 상관 변수를 조기 제거하는 적응형 서브샘플링으로 O(√np)까지 낮춘다. 완만한 정규성 조건에서 sure screening 성질을 유지함을 보이고, 합성·실데이터 실험에서 SIS와 대등한 스크리닝·예측 성능을 훨씬 짧은 계산 시간으로 달성한다.