論文の概要: Computing Valid p-value for Optimal Changepoint by Selective Inference using Dynamic Programming

• arxiv url: http://arxiv.org/abs/2002.09132v2
• Date: Mon, 22 Feb 2021 13:06:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 01:02:04.645731
• Title: Computing Valid p-value for Optimal Changepoint by Selective Inference using Dynamic Programming
• Title（参考訳）: 動的プログラミングを用いた選択推論による最適変化点のp値の計算
• Authors: Vo Nguyen Le Duy, Hiroki Toda, Ryota Sugiyama, Ichiro Takeuchi
• Abstract要約: 変化点(CP)の意義を統計的に推測する新しい手法を提案する。 選択的推論(SI)フレームワークに基づき、CPの意義をテストするための有効なp値を計算するための正確な(漸近的でない)アプローチを提案する。 合成と実世界の両方のデータセットで実験を行い、提案手法が既存の手法よりも強力であることを示す。
• 参考スコア（独自算出の注目度）: 21.361641617994714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is a vast body of literature related to methods for detecting changepoints (CP). However, less attention has been paid to assessing the statistical reliability of the detected CPs. In this paper, we introduce a novel method to perform statistical inference on the significance of the CPs, estimated by a Dynamic Programming (DP)-based optimal CP detection algorithm. Based on the selective inference (SI) framework, we propose an exact (non-asymptotic) approach to compute valid p-values for testing the significance of the CPs. Although it is well-known that SI has low statistical power because of over-conditioning, we address this disadvantage by introducing parametric programming techniques. Then, we propose an efficient method to conduct SI with the minimum amount of conditioning, leading to high statistical power. We conduct experiments on both synthetic and real-world datasets, through which we offer evidence that our proposed method is more powerful than existing methods, has decent performance in terms of computational efficiency, and provides good results in many practical applications.
• Abstract（参考訳）: 変化点(チェンジポイント、changepoints, cp)を検出する方法に関する多くの文献がある。 しかし、検出されたCPの統計的信頼性を評価するには注意が払われていない。 本稿では,動的プログラミング(DP)に基づく最適CP検出アルゴリズムにより推定されたCPの重要度を統計的に推定する手法を提案する。 選択的推論(SI)フレームワークに基づき、CPの意義をテストするための有効なp値を計算するための正確な(漸近的でない)アプローチを提案する。 オーバーコンディショニングによりSIの統計能力が低いことはよく知られているが、パラメトリックプログラミング技術を導入することでこの欠点に対処する。 次に, 最小条件量でsiを行う効率的な方法を提案し, 高い統計力を得る。 我々は,提案手法が既存の手法よりも強力であり,計算効率の面では良好な性能を有し,多くの実用的応用において良好な結果が得られることを示す,合成データと実世界データの両方について実験を行う。

関連論文リスト

• Statistical Inference for Temporal Difference Learning with Linear Function Approximation [62.69448336714418]
  時間差差(TD)学習は、おそらく政策評価に最も広く使用されるものであり、この目的の自然な枠組みとして機能する。 本稿では,Polyak-Ruppert平均化と線形関数近似によるTD学習の整合性について検討し,既存の結果よりも3つの重要な改善点を得た。
  論文  参考訳（メタデータ） (2024-10-21T15:34:44Z)
• Stratified Prediction-Powered Inference for Hybrid Language Model Evaluation [62.2436697657307]
  予測駆動推論(英: Prediction-powered Inference, PPI)は、人間ラベル付き限られたデータに基づいて統計的推定を改善する手法である。 我々はStratPPI(Stratified Prediction-Powered Inference)という手法を提案する。 単純なデータ階層化戦略を用いることで,基礎的なPPI推定精度を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-06-06T17:37:39Z)
• Policy Gradient with Active Importance Sampling [55.112959067035916]
  政策勾配法(PG法)はISの利点を大いに生かし、以前に収集したサンプルを効果的に再利用することができる。 しかし、ISは歴史的サンプルを再重み付けするための受動的ツールとしてRLに採用されている。 我々は、政策勾配のばらつきを減らすために、サンプルを収集する最良の行動ポリシーを模索する。
  論文  参考訳（メタデータ） (2024-05-09T09:08:09Z)
• Bounded P-values in Parametric Programming-based Selective Inference [23.35466397627952]
  我々は,p-値の下と上の境界を計算する手法を提案することにより,所望の精度を確保しつつ計算コストを削減する手法を提案する。 本稿では,線形モデルにおける特徴選択と深部ニューラルネットワークにおける注目領域同定のための仮説テスト問題における提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2023-07-21T04:55:03Z)
• Online Bootstrap Inference For Policy Evaluation in Reinforcement Learning [90.59143158534849]
  近年の強化学習の出現は、頑健な統計的推論手法の需要を生み出している。 オンライン学習における統計的推論の既存の方法は、独立してサンプリングされた観察を含む設定に限られる。 オンラインブートストラップは線形近似アルゴリズムにおける統計的推測のための柔軟で効率的な手法であるが、マルコフノイズを含む設定における有効性はまだ検討されていない。
  論文  参考訳（メタデータ） (2021-08-08T18:26:35Z)
• Fast and Robust Online Inference with Stochastic Gradient Descent via Random Scaling [0.9806910643086042]
  本稿では,勾配降下アルゴリズムの平均化法により推定されるパラメータのベクトルに対するオンライン推論法を提案する。 我々のアプローチはオンラインデータで完全に運用されており、機能中心極限定理によって厳格に支えられている。
  論文  参考訳（メタデータ） (2021-06-06T15:38:37Z)
• Statistical Optimality and Computational Efficiency of Nystr\"om Kernel PCA [0.913755431537592]
  近似カーネル主成分分析(KPCA)における計算複雑性と統計的精度のトレードオフについて検討する。 KPCAに適用した場合、Nystr近似KPCAは、他の一般的な近似スキームであるランダム特徴近似の統計的挙動よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-05-19T01:49:35Z)
• More Powerful Conditional Selective Inference for Generalized Lasso by Parametric Programming [20.309302270008146]
  条件付き選択的推論(si)は、データ駆動仮説の新しい統計推論フレームワークとして研究されてきた。 二次パラメトリックプログラミングに変換可能な問題のクラスに対して,より強力で一般的な条件付きSI法を提案する。
  論文  参考訳（メタデータ） (2021-05-11T10:12:00Z)
• Average-Reward Off-Policy Policy Evaluation with Function Approximation [66.67075551933438]
  平均報酬MDPの関数近似によるオフポリシ政策評価を検討する。 ブートストラップは必要であり、オフポリシ学習とFAと一緒に、致命的なトライアドをもたらす。 そこで本研究では,勾配型tdアルゴリズムの成功を再現する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-08T00:43:04Z)
• Logistic Q-Learning [87.00813469969167]
  MDPにおける最適制御の正規化線形プログラミング定式化から導いた新しい強化学習アルゴリズムを提案する。 提案アルゴリズムの主な特徴は,広範に使用されているベルマン誤差の代わりとして理論的に音声として機能する,政策評価のための凸損失関数である。
  論文  参考訳（メタデータ） (2020-10-21T17:14:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。