Unter dem Titel „The terminating-random experiments selector: Fast high-dimensional variable selection with false discovery rate control“ ist jetzt ein Paper im Fachmagazin Signal Processing, einem der renommiertesten Journale für Signalverarbeitung, erschienen. Die Autoren Jasin Machkour, Michael Muma und Daniel P. Palomar stellen darin eine Methode vor, die in großen, hochdimensionalen Daten eine benutzerdefinierte Falscherkennungsrate (FDR) kontrolliert und gleichzeitig die Anzahl der ausgewählten Variablen maximiert.

Der T-Rex Algorithmus kann in deutlich kürzerer Rechenzeit als bisherige Methoden reproduzierbare Ergebnisse liefern. Während Benchmarkmethoden unter anderem innerhalb von fünf Stunden Variablenauswahlprobleme mit nur 5000 Variablen berechnen können, sind bei der vorgestellten Methode in derselben Zeit fünf Millionen Variablen möglich.

Generell kann der T-Rex Selector für verschiedene Anwendungen interessant sein, darunter medizinische Studien. So besteht bereits eine Kooperation mit der Charité Berlin, in der untersucht werden soll, ob die Methoden geeignet sind, um mit weniger Daten, also auch mit weniger Studienteilnehmer:innen, dieselben Ergebnisse zu erzielen wie herkömmliche Methoden.

Das ebenfalls von den Forschenden entwickelte Open-Source Softwarepaket ist bereits auf großes Interesse gestoßen. Seitdem es öffentlich zugänglich ist, wurde es bereits 16.000-mal heruntergeladen.

In einem weiteren Artikel, der demnächst ebenfalls im Fachmagazin Signal Processing erscheint, sowie zwei Konferenz-Papern, die im April auf der International Conference on Acoustics, Speech, and Signal Processing (IEEE ICASSP), der größten Konferenz für Forschende im Bereich der Signalverarbeitung, vorgestellt werden, präsentieren die Wissenschaftler weitere methodische und algorithmische Resultate sowie Software-Lösungen zum Thema, unter anderem eine Erweiterung auf komplexwertige Daten.