Mar, 2019
高维数据的非参数密度估计 - 算法与应用
Nonparametric Density Estimation for High-Dimensional Data - Algorithms and Applications
Zhipeng Wang, David W. Scott
TL;DR本文介紹了一些新的高維度非參數密度估計算法,探討其在無監督學習中的應用,特別是聚類問題,並且提出了一些和高維數據分析相關的研究方向。
Abstract
density estimation is one of the central areas of statistics whose purpose is
to estimate the probability density function underlying the observed data. It
serves as a building block for many tasks in statistical inference,
visualization, and machine learning. →
发现论文,激发创造
快速非参数条件密度估计
通过建立 full density 模型 f (yjx) 而非只有期望值 E (yjx),条件密度估计广义了回归。本文提出了双核条件密度估计器,并引入了基于双数树的快速算法,用最大似然准则进行带宽选择,从而在处理多变量数据集时取得 380 万倍的加速。
Jun, 2012
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
隐式归一化显式正则化密度估计
我们提出了一种基于正则化密度的 Sobolev 范数的非参数密度估计的新方法,该方法与核密度估计不同,使模型的偏差清晰且可解释,虽然没有与其关联的核的封闭解析形式,但我们展示了可以使用采样来近似它,所需确定密度的优化问题是非凸的,并且标准梯度法性能不佳,然而我们展示了适当的初始化和使用自然梯度可以得到良好的解,最后,虽然该方法提供未归一化的密度,无法使用对数似然进行交叉验证,但我们展示了可以使用基于费歇分歧的得分匹配方法来完成此任务,我们在最近的安全检测基准套件 ADBenchn 上对所得方法进行了评估,发现排名第二,超过 15 种算法。
Jul, 2023
超越平滑性:将低秩分析并入非参数密度估计
本文研究了在非参数密度估计中如何引入多视角潜变量模型,探讨了具有唯一一定的连续 Lipschitz 分量的多视角模型的普适一致直方图估计量存在,提出了基于 Tucker 分解的新的非参数潜变量模型,并在实验中发现相对于标准的直方图估计量,本文提出的估计量表现出了明显的性能提高,为将低秩技术扩展到非参数设置提供了坚实的理论基础。
Apr, 2022