Oct, 2010

半参数密度比模型下的 f - 散度估计和双样本同质性检验

PDF
TL;DR本文研究了密度比的推断问题，并将半参数密度比估计器应用于双样本均匀性检验，提出了一种基于 f - 差异估计的检验过程，导出了 f - 差异的最优估计器，并用数值研究说明渐近理论在有限样本推断中的充分性。
发现论文，激发创造
  • 用于稳健分布比较的相对密度比估计

    本文提出了一种基于相对散度的密度比较方法，它可以更好地处理密度比例函数中的高峰和波动，具有良好的非参数收敛速度和模型复杂度，通过实验证明了该方法的有效性。

    Jun, 2011

  • 使用最近邻比率直接估计信息差异

    提出了新的图论解释下的直接估计方法，用于估计 Renyi 和 f-divergence 的度量。通过对 Y 中 k-NN 方案点和 X 中点数之间的平均功率进行估计，可以获得两个密度之间的 Renyi divergence 估计值，并且这种方法可以用于估计 f-divergence 度量。通过使用加权合成估计技术，该方法可以用于具有连续和有界导数的密度函数的估计，其能够获得参数 MSE 率 O (1/N)。

    Feb, 2017

  • 在 RKHS 中的密度比自适应学习

    通过分析一类正则化 Bregman 散度的密度比率估计方法，我们得出新的有限样本误差界，并提出一种 Lepskii 类的参数选择原则，在不知道密度比率的规则性的情况下最小化误差界。在二次损失的特殊情况下，我们的方法能够自适应地达到极小极大误差率。

    Jul, 2023

  • 高维密度比估计及其拓展在近似似然计算中的应用

    提出了一种基于核算子特征函数的密度比估计器，避免了显式降维步骤，可以更好地反映数据的几何结构，同时可扩展应用于极端高维下的似然函数估计问题。

    Apr, 2014

  • f - 散度估计的实用和一致性

    本文研究了在结构假设条件下用样本估算概率分布之间 f-divergence 的问题，提出了一种易于实现、适用于高维数据且收敛速度更快的估算器，并在合成和真实数据实验中验证了其行为。

    May, 2019

  • 通过凸风险最小化估计分歧函数和似然比

    本文提出了一种基于非渐进变分表征的凸经验风险优化方法，用于估计 $f$- 散度和两个概率分布的似然比，通过解决标准凸规划求解，可以实现简单的实现，可在某些情况下达到最优最小风险速率。

    Sep, 2008

  • 通过在统计流形上沿广义测地线进行采样的密度比估计

    基于增量混合模型的密度比率估计方法通过在勒贝格流形上进行几何解释和蒙特卡洛采样，显著改善了稳定性和准确度。

    Jun, 2024

  • 拟合优度的核检验

    提出了一种非参数统计检验方法，用于判断给定样本是否来自目标密度函数，其中好度量采用使用再生核希尔伯特空间函数构造的发散度，检验统计量是基于目标密度和内核的对数梯度的经验估计的 V - 统计量，并使用野外引导过程估计空分布，适用于定量近似马尔可夫链蒙特卡罗方法的收敛、统计模型检验和评估非参数密度估计中的适配质量与模型复杂度。

    Feb, 2016

  • 密度比估计的二元损失

    从有限数量的密度观测结果中估计两个概率密度的比率是机器学习和统计学中的一个核心问题。本研究从一类 Bregman 散度中的预设误差度量出发，表征了导致密度比率估计具有小误差的所有损失函数，并提供了一个简单的构建具有特定属性的损失函数的方法。

    Jul, 2024

  • 基于新离散度测量的可经验估计分类界限

    本文研究了信息分裂函数在统计学和信息理论中的作用，并提出了一种新的非参数 f 分裂测量方法，可以用于改进最小二分法分类错误的上限，并设计了特征选择算法以验证理论上的结果。

    Dec, 2014