May, 2015

公平性、区间估计与统计功效

PDF
TL;DR研究发现在高维数据集分析、非参数测量和公平性等方面均存在限制，创新性地提出了一种解决方法 —— 提出可解释间隔的思想，研究可平等的统计量以解决关键关系筛选问题，并采用区间估计和假设检验模型进一步深入研究。
high-dimensional datasetnon-parametric measureequitabilityinterpretable intervalstatistic
发现论文，激发创造
  • 主导相关度测量的实证研究

    本文通过对多种独立性度量方法的经验评估，发现 MICe 在大多数设置下是最公平的方法，TICe 可以过滤掉相对无用的关系，并发现了一个关于独立性和公平性之间的权衡。

    May, 2015

  • 有力且公平地衡量依赖关系

    本文介绍和特征化了一种依赖性的人口测量 MIC*，并基于此理论引入了一种从一对随机变量的密度计算 MIC* 的有效方法，并定义了一个新的一致估计器 MICe 以及一个旨在强制独立性测试而非公平性的简单副产品 TICe，在仿真中证明了 MICe 和 TICe 分别具有良好的公平性和功率以及能够在高维数据集中挖掘出坚实关联的能力。

    May, 2015

  • Copula Correlation：一种公平的依赖度量和 Pearson 相关系数的扩展

    本文提出了一种新的统计量，以在噪声数据中准确反映确定性信号的比例，基于这种情况提出了新的公平性定义，与两个定义相比，基于 Copula 密度的 Copula 相关性 (Ccor) 在两个定义下都是公平的，相对于互信息，Ccor 在理论上更容易估计，并且在数值研究中表现出了良好的性能。

    Dec, 2013

  • 公平性、互信息和最大信息系数

    提出了一种新的统计量 —— 最大信息系数 (MIC)，用于量化随机数量对之间的任意依赖关系，但证明了 MIC 不满足平等性定义。因此，我们提出了自洽且更普遍的平等性定义，并表明互信息满足这一新的定义，而 MIC 则不满足。最后，证明了 Reshef 等人提供的模拟证据是人为的。因此，我们得出结论，估计互信息不仅在许多实际应用中是可行的，而且还提供了一个自然的解决方案来量化大数据集中的相关性问题。

    Jan, 2013

  • 没有恶意：通过平衡覆盖度评估不确定性

    为了保证数据驱动的推荐系统的公平使用，我们应该能够向决策者传达它们的不确定性。我们提出了一个操作方法，名为 equalized coverage，该方法通过提供严谨的分布自由覆盖保证，使构造预测间隔不带偏见。我们在真实数据上测试了所提出框架的适用性，证明 equalized coverage 构造的预测间隔是不带偏见的。

    Aug, 2019

  • 仿射等变估计的统计屏障

    我们研究了鲁棒均值估计的仿射等价估计器的定量性能，证明仿射等价性会导致恢复误差以一定的因子（sqrt (d)）定量恶化，并构建了一种新的近似最优的仿射等价估计器，该估计器基于一种高维中位数的新概念。

    Oct, 2023

  • 论统计平等的道德正当性

    本文分析算法公正中的道德层面，提出统计公平准则（独立性）需要在不公正社会差异或测量误差引发预测特征差异的情况下实现，同时引证两个反例说明这一准则并不是普遍适用的。

    Nov, 2020

  • 关系依赖关系的非参数推断

    本文研究了如何在关系系统中估计数据之间的独立性，提出了一种基于核均值嵌入的方法，用于定义条件和边缘独立性测试，并在结构假设下实现了可伸缩的核测试方法。实证研究表明，该方法在合成网络和半合成网络等数据集上比基于核的独立性测试的现有方法更为有效。

    Jun, 2022

  • 相对依赖性的低方差一致性测试

    使用 Hilbert-Schmidt 独立准则（HSIC）测量依赖性，建立了新型非参数统计假设检验方法，用于确定一个源变量对于两个候选目标变量的依赖性。测试表明第一个依赖度量是否显著大于第二个，其结果表明建立这些 HSIC 统计数据之间的协方差计算比独立 HSIC 统计量的子采样法更有效。

    Jun, 2014

  • 量化依赖性：开发可解释测量的框架

    提出了一种基于几个关键指导方针的依赖度量选择和开发框架，该框架旨在实现关系量化而非简单存在的确立，并重视解释性概念的重要性，并演示了如何实现更一般的信息度量以达到相同的目标。 通过提供两个实际数据示例来说明并证明了该框架的有效性。

    Feb, 2013