論文の概要: Discussion of Multiscale Fisher's Independence Test for Multivariate Dependence

• arxiv url: http://arxiv.org/abs/2204.12319v1
• Date: Tue, 26 Apr 2022 13:53:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-27 17:04:14.781767
• Title: Discussion of Multiscale Fisher's Independence Test for Multivariate Dependence
• Title（参考訳）: 多変量依存に対するマルチスケール漁業独立試験の検討
• Authors: Duyeol Lee, Helal El-Zaatari, Michael R. Kosorok, Xinyi Li, and Kai Zhang
• Abstract要約: マルチスケールフィッシャー独立試験 (MULTIFIT) は、Gorsky & Ma (2022) によって提案された2つのランダムベクトル間の独立性をテストする新しい方法である。 設計上、この試験は特に局所依存の検出に有用である。 再サンプリング不要のアプローチを採用することで、大量のサンプルサイズに容易に対応できる。
• 参考スコア（独自算出の注目度）: 5.26362873447875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The multiscale Fisher's independence test (MULTIFIT hereafter) proposed by Gorsky & Ma (2022) is a novel method to test independence between two random vectors. By its design, this test is particularly useful in detecting local dependence. Moreover, by adopting a resampling-free approach, it can easily accommodate massive sample sizes. Another benefit of the proposed method is its ability to interpret the nature of dependency. We congratulate the authors, Shai Gorksy and Li Ma, for their very interesting and elegant work. In this comment, we would like to discuss a general framework unifying the MULTIFIT and other tests and compare it with the binary expansion randomized ensemble test (BERET hereafter) proposed by Lee et al. (In press). We also would like to contribute our thoughts on potential extensions of the method.
• Abstract（参考訳）: マルチスケールフィッシャー独立試験 (MULTIFIT) は、Gorsky & Ma (2022) によって提案された2つのランダムベクトル間の独立性をテストする新しい方法である。 設計上、この試験は特に局所依存の検出に有用である。 さらに、再サンプリングフリーアプローチを採用することで、大量のサンプルサイズを容易に対応できる。 提案手法のもう1つの利点は依存性の性質を解釈する能力である。 著者のShai GorksyとLi Maは、非常に興味深くエレガントな作品であることに感謝している。 このコメントでは、MultiFITと他のテストを統合する一般的なフレームワークについて議論し、Leeらによって提案されたバイナリ拡張ランダムアンサンブルテスト(BERET)と比較する(プレスリリース)。 また,本手法の拡張の可能性についても考察した。

関連論文リスト

• Optimal Multi-Distribution Learning [88.3008613028333]
  マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。 本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-08T16:06:29Z)
• Testing multivariate normality by testing independence [0.0]
  本稿では,Kac-Bernsteinの特性に基づく簡易な多変量正規化テストを提案する。 また,高次元データに対して,提案手法は代替手法よりも効率的である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-20T07:19:52Z)
• Discussion of `Multiscale Fisher's Independence Test for Multivariate Dependence' [27.38048605087624]
  我々は、Hilbert-Schmidt独立基準(HSIC)に基づく既存の線形時間カーネルテストと比較して、MultiFITがどのように比較されるかについて議論する。 カーネルテストのレベルが有限のサンプルサイズであれば,MultiFITのレベルの場合と同様に,正確に制御できるという事実を強調した。
  論文  参考訳（メタデータ） (2022-06-22T14:39:38Z)
• Algorithms for Adaptive Experiments that Trade-off Statistical Analysis with Reward: Combining Uniform Random Assignment and Reward Maximization [50.725191156128645]
  トンプソンサンプリングのようなマルチアームバンディットアルゴリズムは適応的な実験を行うのに利用できる。 統計的解析のための一様ランダム化の利点を組み合わせた2つのアルゴリズムを探索する2つのアーム実験のシミュレーションを提案する。
  論文  参考訳（メタデータ） (2021-12-15T22:11:58Z)
• Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
  多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。 提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
  論文  参考訳（メタデータ） (2021-06-07T17:44:49Z)
• Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
  我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。 複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
  論文  参考訳（メタデータ） (2020-10-21T13:43:48Z)
• Statistical Efficiency of Thompson Sampling for Combinatorial Semi-Bandits [56.31950477139053]
  半帯域フィードバック(CMAB)を用いたマルチアームバンディットの検討 我々は Combinatorial Thompson Smpling Policy (CTS) の変種を解析する。 この最終結果は,Y Combinatorial Bandit Policy (ESCB) の効率的なサンプリングに代わるものだ。
  論文  参考訳（メタデータ） (2020-06-11T17:12:11Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)
• Fundamental Limits of Testing the Independence of Irrelevant Alternatives in Discrete Choice [9.13127392774573]
  MNL(Multinomial Logit)モデルとIIA(Independent of Irrelevant Alternatives)モデルが最も広く使われているツールである。 最低ケース誤差が低いIIAの一般的なテストは、選択問題の代替案の数で指数関数的に多くのサンプルを必要とすることを示す。 我々の下限は構造に依存しており、最適化の潜在的な原因として、特定の選択集合の集合で起こりうる違反にIIAのテストを制限すると、より悲観的でない構造に依存した下限が得られる。
  論文  参考訳（メタデータ） (2020-01-20T10:15:28Z)
• Automated extraction of mutual independence patterns using Bayesian comparison of partition models [7.6146285961466]
  相互独立は、変数間の構造的関係を特徴づける統計学における重要な概念である。 相互独立を調査するための既存の手法は、2つの競合するモデルの定義に依存している。 本稿では,マルコフ連鎖モンテカルロ(MCMC)アルゴリズムを提案し,相互独立性のすべてのパターンの空間上の後部分布を数値的に近似する。
  論文  参考訳（メタデータ） (2020-01-15T16:21:48Z)

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。