摘要：

高维数据分析是目前统计学研究的热点，变量选择是其中的核心问题之一。有效的变量选择可以简化模型，提高模型的可解释性和预测精度。报告将首先回顾一下该领域的主要进展，然后给出报告人的一些研究结果，包括：如何给出具有统计意义的惩罚函数并有效地选择调节参数；对于非凸惩罚最小二乘问题如何找到具有oracle性质的局部解；如何在维数远大于样本量的情况下，有效地筛选 出重要变量。