关系依赖关系的非参数推断

Jun, 2022

Non-Parametric Inference of Relational Dependence

Ragib Ahsan, Zahra Fatemi, David Arbour, Elena Zheleva

TL;DR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。

Abstract

independence testing plays a central role in statistical and causal inference from observational data. Standard independence tests assume that the data samples are independent and identically distributed (i.i.d.)

independence testing observational data relational systems kernel mean embedding non-parametric

发现论文，激发创造

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

条件独立性的实用核检验

描述了一种数据高效、基于核的条件独立性统计检验方法，通过数据拆分、辅助数据和更简单的函数类别等方法，控制偏差并校正测试水平，适用于合成和真实数据。

Feb, 2024

序列预测双样本和独立性检验

本研究探讨了顺序非参数两样本和独立性检验的问题，提出了一种基于预测的赌博策略，用于解决高维结构化数据上核函数的选择问题。我们在实验中证明了这种方法优于基于核的方法，即使在数据分布随时间漂移的情况下，也仍然有效强大。

Apr, 2023

大规模核方法独立性检验

本文通过对大规模核逼近方法的研究，对比块状、Nystrom 和随机 Fourier 特征方法的性能，展示了这些新型的大规模方法在独立性检验中具有与现有方法相当的性能，但使用的计算时间和内存显著减少。

Jun, 2016

基于最近邻估计器的条件互信息独立性检验

提出了一种基于条件互信息和局部置换方案的全非参数连续数据测试方法，能够适应强非线性相关性，表现优于基于核的测试，并在小样本和高维条件下可靠地模拟零分布。

Sep, 2017

模型驱动的条件独立性检验

针对连续随机变量，我们将条件独立性检验转化为分类问题并实现了非参数化的方案，通过最近邻引导采样策略生成训练样本，并提出一种大型数据集上性能更好的算法，从而实现有效测试。

Sep, 2017

基于核的条件独立性检验及其在因果发现中的应用

提出了一种基于核的条件独立性检验方法（KCI-test），可以有效地在维数较高、条件集较大、样本容量较小的情况下进行条件独立性检验，并且实验证明该方法胜过其他方法。

Feb, 2012

通过非参数散度估计在样本集上的核函数

该论文提出了一种基于核函数的机器学习算法，可以通过对数据集的分组进行处理，采用独立同分布的样本集作为数据点，利用非参数估计器提取核函数特征从而实现多种分类、回归和异常检测等任务。

Feb, 2012

测试未标记数据库的依赖性

该研究探讨了如何决定两个随机数据库之间是否存在统计依赖关系，并通过零假设和备择假设构建了一个假设检验问题，其中在零假设下，这两个数据库是统计独立的，而在备择假设下，存在一个未知的行排列使得两个数据库具有已知的联合分布但与零假设的边际分布相同。我们通过研究数据集生成分布的特征、$n$、$d$ 等因素，确定了信息理论上不可能和可能进行最优检验的阈值。此外，我们还分析了当 $d$ 固定时的情况，并推导出了强（错误几乎为零）和弱检测的下界和上界。

Nov, 2023

关于充分图模型

将非线性合适降维技术应用于条件独立性评估，引入了一种足够的图模型，该模型在本质上是非参数的，避免了高维核函数引起的维度灾难；通过模拟比较和对 DREAM 4 挑战数据集的分析，证明了该方法在高维设置下，且当高斯或 copula 高斯假设不成立时，其性能优于现有方法。

Jul, 2023