Jun, 2015

使用概率分布的解析表示进行快速的双样本检验

PDF
TL;DR该研究提出了一类非参数两样本检验，其代价与样本大小成线性关系；文中给出了两种基于代表每个分布的解析函数距离集合的检验方法，其中第一种检验使用平滑的经验特征函数来表示分布，第二种使用再生核 Hilbert 空间中的分布嵌入。该方法具有更好的功率 / 时间平衡，并在高维度情况下保留了性能优势。
发现论文，激发创造
  • 双样本问题的核方法

    提出一种基于重现核希尔伯特空间和大偏差界限的统计检验框架，可用于分析和比较分布，特别对于数据库属性匹配具有很好的性能表现。

    May, 2008

  • 高维下核和距离非参数假设检验能力减弱

    探讨了决策理论问题中的非参数双样本检验与独立性检验，并指出使用核函数和点对之间的距离作为解决方案在高维设置中受到误解，测试的功率实际上随着维度的增加按多项式下降，提出了公平的替代假设，并阐明了核带宽选择中的中位数启发式的理论洞察力。

    Jun, 2014

  • 无分布假设基于图的双样本检验的一般渐近框架

    本文介绍了一种分布无关的基于图形的双样本检验方法，并提供了分析和比较其渐进性质的统一框架。该文章研究表明底层图形的组合特性对关联的双样本检验的性能产生影响，并且可以用于验证和决定在实践中使用哪种检验。

    Aug, 2015

  • 关于 Wasserstein 二样本检验及其相关的非参数检验家族

    本研究提出了一种基于 Wasserstein 距离和核的最大均值偏差的多元非参数两样本检验方法，旨在为理论工作者和从业人员提供有用的方法子集连接。

    Sep, 2015

  • 学习深度核函数进行非参数双样本检验

    本文提出了一类基于核函数的两样本检验方法，其使用由深度神经网络参数化的核函数以确定两个样本集是否来自同一分布，适用于高维、复杂的数据，并在基准和实际数据上证明了其卓越的性能。

    Feb, 2020

  • 具有最大测试功效的可解释分布特征

    该研究提出了两个基于概率分布的半度量，通过优化测试功率的下界，使用空间或频率位置的解析函数的期望之差的总和作为距离度量来最大化概率分布的可分辨性，并返回可解释的特征，用于高维文本和图像数据上进行线性时间测试。

    May, 2016

  • 具有分析核嵌入的独立性自适应测试

    提出了一种新的计算有效的依赖度量和自适应统计独立性检验方法，其特点是数据高效运行时间为线性，并且在真实基准中表现良好。

    Oct, 2016

  • 距离方法和核方法在假设检验中的确切等效性

    本文提出了一种新的双射变换方法，将 Distance-based tests 和 Kernel-based tests 两者结合起来，并简化了固定点变换方法，提高了数据结构保留能力。该方法有望促进 Distance-based and Kernel-based 方法学术界之间的相互了解和直接交流。

    Jun, 2018

  • 使用成对距离和相关核的假设检验（含附录）

    本文提出了一个统一的框架，将统计领域中的能量距离和距离协方差与机器学习中的分布嵌入到重现核 Hilbert 空间之间的距离联系起来，并研究了半度量与其诱导的核函数的性质。最后，我们研究了这类核函数在两样本和独立性检验中的性能。

    May, 2012

  • 线性时间核两样本检验在均差替代下的高维能力

    本文对一种设计用于一般替代情况的流行的非参数双样本测试的功率进行了明确表征，并探讨了这些针对一般替代情况的测试在面对简单情况时的表现，具有高维场景下一般非参数测试的第一次明确功率推导以及如何在两个分布均值不同时，通过高斯核推导出最大均值偏差统计量的功率的性质。

    Nov, 2014