論文の概要: Consistency of the Maximal Information Coefficient Estimator
- arxiv url: http://arxiv.org/abs/2107.03836v1
- Date: Thu, 8 Jul 2021 13:28:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-09 13:39:54.163991
- Title: Consistency of the Maximal Information Coefficient Estimator
- Title(参考訳): 最大情報係数推定器の一貫性
- Authors: John Lazarsfeld and Aaron Johnson
- Abstract要約: 最大情報係数(英: Maximal Information Coefficient、MIC)は、大規模データセットにおける変数ペア間の依存性を測定する統計量である。
MIC が対応する人口統計学 MIC$_*$ の一貫した推定器であることを証明する。
- 参考スコア(独自算出の注目度): 6.85316573653194
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Maximal Information Coefficient (MIC) of Reshef et al. (Science, 2011) is
a statistic for measuring dependence between variable pairs in large datasets.
In this note, we prove that MIC is a consistent estimator of the corresponding
population statistic MIC$_*$. This corrects an error in an argument of Reshef
et al. (JMLR, 2016), which we describe.
- Abstract(参考訳): Reshef et al の最大情報係数 (MIC)。
(Science, 2011)は, 大規模データセットにおける変動対間の依存度を測定する統計量である。
本稿では, MIC が対応する人口統計量 MIC$_*$ の一貫した推定器であることを証明する。
これはReshef et alの引数のエラーを修正する。
(JMLR, 2016)。
関連論文リスト
- Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。
さらに、テストポイントがトレーニングセットと非自明な相関を持ち、時系列予測で頻繁に発生するような場合まで分析を拡張します。
我々は多種多様な高次元データにまたがって理論を検証する。
論文 参考訳(メタデータ) (2024-08-08T17:27:29Z) - The radius of statistical efficiency [8.771678221101368]
統計的効率半径(RSE)という推定問題のロバスト性尺度を導入する。
RSEはフィッシャー情報行列特異点を与える問題データに対する最小の摂動の大きさである。
数値解析において古典的エッカート・ヤングの定理と平行して, RSE と問題インスタンスの内在的複雑性/感度の正確な相互関係を観察する。
論文 参考訳(メタデータ) (2024-05-15T19:36:08Z) - Scalable Bayesian inference for the generalized linear mixed model [2.45365913654612]
本稿では,AIとベイズ推論の交点に統計的推論アルゴリズムを導入する。
我々のアルゴリズムは、相関データの処理に対処する新しい貢献を伴う勾配MCMCの拡張である。
我々はこのアルゴリズムを大規模な電子健康記録データベースに適用する。
論文 参考訳(メタデータ) (2024-03-05T14:35:34Z) - Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。
これらの結果はサンプル状態と有限状態の両方で定式化する。
論文 参考訳(メタデータ) (2022-10-03T06:09:01Z) - Differentially Private Maximal Information Coefficients [3.1542695050861544]
古典的なラプラス機構の自然な応用は、不十分な精度をもたらすことを示す。
差分プライバシーに適合する新しいMIIC近似であるMICr統計を導入する。
その結果、プライベートMICr統計はLaplaceメカニズムの直接適用よりも著しく優れていた。
論文 参考訳(メタデータ) (2022-06-21T19:05:35Z) - SLOE: A Faster Method for Statistical Inference in High-Dimensional
Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。
私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文 参考訳(メタデータ) (2021-03-23T17:48:56Z) - Reducing the Variance of Variational Estimates of Mutual Information by
Limiting the Critic's Hypothesis Space to RKHS [0.0]
相互情報(英: Mutual Information、MI)は、2つの確率変数間の依存性に関する情報理論の尺度である。
近年の手法では、未知密度比を近似するニューラルネットワークとしてパラメトリック確率分布や批判が実現されている。
我々は、高分散特性は、批評家の仮説空間の制御不能な複雑さに起因すると論じる。
論文 参考訳(メタデータ) (2020-11-17T14:32:48Z) - Efficient nonparametric statistical inference on population feature
importance using Shapley values [7.6146285961466]
本稿では,SPVIM(Shapley Population Variable Importance Measure)を用いた統計的推定手法を提案する。
真の SPVIM の計算複雑性は変数数とともに指数関数的に増大するが, ランダムサンプリングのみに基づく推定器を提案する。
提案手法はシミュレーションにおける有限サンプル性能が良好であり, 異なる機械学習アルゴリズムを適用した場合, ホスピタル内予測タスクでも同様の変数重要度推定が可能である。
論文 参考訳(メタデータ) (2020-06-16T19:47:11Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳(メタデータ) (2020-05-22T22:30:52Z) - Nonparametric Estimation of the Fisher Information and Its Applications [82.00720226775964]
本稿では,大きさn$のランダムサンプルからフィッシャー情報の位置推定の問題について考察する。
Bhattacharyaにより提案された推定器を再検討し、収束率の向上を導出する。
クリッピング推定器と呼ばれる新しい推定器を提案する。
論文 参考訳(メタデータ) (2020-05-07T17:21:56Z) - Minimax Optimal Estimation of KL Divergence for Continuous Distributions [56.29748742084386]
Kullback-Leibler の同一および独立に分布するサンプルからの発散は、様々な領域において重要な問題である。
単純で効果的な推定器の1つは、これらのサンプル間の近辺 k に基づいている。
論文 参考訳(メタデータ) (2020-02-26T16:37:37Z)
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。