Feb, 2016

核化斯坦差异度用于拟合优度检验和模型评估

PDF
TL;DR本文提出了一种新的差异度量统计量，该统计量基于 Stein 的恒等式和再生核希尔伯特空间理论相结合。我们将其应用于测试概率模型与观测值的拟合程度，并派生了一类新的强大的适用于复杂和高维分布的拟合优度检验，即使对于具有计算难度的常数归一化分布亦如此。我们全面研究了方法的理论和实证特性。
发现论文，激发创造
  • 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

  • Nyström 内核 Stein 差异

    通过在大规模场景中应用 Nyström-based KSD 加速方法，本研究提出了一种基于核方法的新的好拟合测试方法，并在一系列基准测试中展示了其适用性。

    Jun, 2024

  • 基于核化斯坦距离的拟合优度检验中使用扰动改进

    提出一种 KSD 检验的改进方法，通过使用 Markov 转移核函数对样本进行扰动，保证目标分布不变，从而获得比 KSD 检验更高的检验能力。

    Apr, 2023

  • 一个线性时间核拟合优度测试

    我们提出了一种新的适应性拟合优度检验方法，通过最小化假阴性率，学习最能表明观察样本与参考模型之间差异的测试特征来构建这些特征，我们采用了 Stein 法。该方法在计算成本上是线性的，并且在实验中的表现优于前期线性测试的表现，在高维度和可以利用模型结构的情况下，我们的合适性检验的表现远好于基于最大均值偏差的二次时间两样本检验，其中样本是从模型中抽取的。

    May, 2017

  • 切片核化斯坦差异度

    提出了基于切片的 Stein discrepancy 和其可扩展和带核变体，这些变体采用基于核的测试函数，定义在最佳一维投影上，用于拟合优度检验和模型学习。在高维度下的拟合优度检验以及基于不同差异训练独立分量分析模型的结果表明，所提出的差异在性能上明显优于 KSD 和其他基准。此外，进一步提出了一种名为 sliced Stein 变分梯度下降（S-SVGD）的粒子推断方法，该方法可以缓解 SVGD 在训练变分自动编码器时的模式塌陷问题。

    Jun, 2020

  • 比较潜变量模型的内核斯坦检验

    本文提出一种基于核的非参数拟合度检验，旨在比较两个可能具有未观测潜在变量的模型，新检验相对于分布难以处理的情况进行通用化处理，并且相对最大均值差异检验具有更高性能。

    Jul, 2019

  • 核完备条件化斯坦差异

    介绍了基于 Stein 方法和核函数的新方法 KCC-SDs，可以用于区分分布，并通过 KCC-SDs 进行适配度检验和样本质量评估。

    Apr, 2019

  • 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

  • 后验修正抽样的再生 Stein 核方法

    该论文通过对马尔可夫链的模拟实现的采样数据的加权经验分布来修正近似抽样算法的输出，从而为相关领域的目标分布提供一致的估计量，并建立了一种普遍的再现 Stein Kernel 理论，适用于一般的 Polish 空间。

    Jan, 2020

  • 用核函数衡量样本质量

    本研究基于 Reproducing Kernel 和 Stein method 提出了一种新型的无偏采样方法，通过比较概率分布的差异来衡量采样结果的表现，并在一些目标分布中证明其收敛性和优越性。

    Mar, 2017