Dr. Jan Gertheiss

Forschung

• Hochdimensionale Daten
• Kategoriale Prädiktoren
• Variablen- und Modellselektion
• Funktionale Daten; siehe auch Emmy Noether-Arbeitsgruppe Statistical Methods for Longitudinal Functional Data.

Bücher:

• Gertheiss, J. (2011): Feature Extraction in Regression and Classification with Structured Predictors, Dissertation, LMU München / Göttingen: Cuvillier.

Artikel in begutachteten Zeitschriften und Buchkapitel (Auswahl):

• Gertheiss, J., Stelz, V. and Tutz, G. (2012): Regularization and Model Selection with Categorical Covariates, Proceedings of the Joint Conference of the German Classification Society and the German Association for Pattern Recognition, accepted for publication.
• Gertheiss, J. and Tutz, G. (2012): Regularization and Model Selection with Categorial Effect Modifiers, Statistica Sinica, to appear.
• Eugster, M., Gertheiss, J. and Kaiser, S. (2011): Having the Second Leg At Home - Advantage in the UEFA Champions League Knockout Phase?, Journal of Quantitative Analysis in Sports, 7, 1, Article 6.
• Gertheiss, J., Hogger, S., Oberhauser, C. and Tutz, G. (2011): Selection of Ordinally Scaled Independent Variables with Applications to International Classification of Functioning Core Sets, Applied Statistics, 60, 377-395.
• Gertheiss, J. and Oehrlein, F. (2011): Testing Linearity and Relevance of Ordinal Predictors, Electronic Journal of Statistics, 5, 1935-1959.
• Gertheiss, J. and Tutz, G. (2010): Sparse Modeling of Categorial Explanatory Variables, The Annals of Applied Statistics, 4, 2150-2180; siehe auch arXiv.
• Tutz, G. and Gertheiss, J. (2010): Feature Extraction in Signal Regression: A Boosting Technique for Functional Data Regression, Journal of Computational and Graphical Statistics, 19, 154-174.

Preprints und Technical Reports (Auswahl):

• Gertheiss, J., Goldsmith, J., Crainiceanu, C. and Greven, S. (2012): Longitudinal Scalar-on-Function Regression with Application to Tractography Data, LMU München, Institut für Statistik: Technical Report 118.
• Gertheiss, J., Kärcher, J.C. and Schmid, V.J. (2010): Analysis of DCE-MRI Data using a Nonnegative Elastic Net, LMU München, Institut für Statistik: Technical Report 90.

Eine vollständige Publikationsliste findet sich hier hier.

• Regularization and Model Selection with Categorical Covariates, IFCS/GfKl 2011, August 30-September 2, Frankfurt, Germany.
• Regularization and Model Selection with Categorial Effect Modifiers, DAGStat 2010, March 23-26, Dortmund, Germany.
• Feature Selection in Signal Regression by Blockwise Boosting, Groupe de Travail STAPH 2010, March 8, Toulouse, France.

• R-package ordPens zur Selektion und/oder Glättung ordinaler Prädiktoren; erhältlich auf CRAN.
• BlockBoost R-Funktionen für normalverteilte Zielgrößen, wie in Tutz und Gertheiss (2010) beschrieben. Eine beispielhafte Analyse der kanadischen Wetterdaten (Ramsay und Silverman, 2005) unter Verwendung von blockweisem Boosting findet sich hier.
• BlockBoost R-Funktionen für binäre Zielgrößen, basierend auf dem LogitBoost R-Code (R-package boost 1.0-0, Dettling, 2008), mit einer beispielhaften Analyse eines Teildatensatzes (zu Prostatakrebs) aus Petricoin et al. (2002) unter Verwendung von blockweisem Boosting; die entsprechenden Originaldaten finden sich hier.