条件独立性的实用核检验
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
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
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
提出一种新的 O (N^2) 条件相关独立性检验方法 (CC I),比使用核复现希尔伯特空间 (KCI) 方法计算要快得多,对高维度数据集适用,并且在处理复杂的非线性、非高斯数据集时,比 Harris&Drton(2012)方法以及偏相关度量 (线性高斯检验) 更准确。
Jan, 2014
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
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
该研究提出了两种基于随机特征的条件独立性检验方法 RCIT 和 RCoT,它们可以近似替代 KCIT,在大样本情况下比 KCIT 更快更准确,同时应用于 CCD 算法可以提高算法的运行效率。
Feb, 2017
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
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