論文の概要: Practical Kernel Tests of Conditional Independence

• arxiv url: http://arxiv.org/abs/2402.13196v2
• Date: Fri, 19 Sep 2025 19:11:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:15.571973
• Title: Practical Kernel Tests of Conditional Independence
• Title（参考訳）: コンディショナルインディペンデンスの実用カーネルテスト
• Authors: Roman Pogodin, Antonin Schrab, Yazhe Li, Danica J. Sutherland, Arthur Gretton,
• Abstract要約: SplitKCIは、データ分割に基づくカーネルベースの条件独立テストのためのバイアス制御の自動化方法である。 提案手法は,テストパワーを犠牲にすることなく,KCIのテストレベル制御を大幅に改善することを示す。
• 参考スコア（独自算出の注目度）: 33.275712245547815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We describe a data-efficient, kernel-based approach to statistical testing of conditional independence. A major challenge of conditional independence testing is to obtain the correct test level (the specified upper bound on the rate of false positives), while still attaining competitive test power. Excess false positives arise due to bias in the test statistic, which is in our case obtained using nonparametric kernel ridge regression. We propose SplitKCI, an automated method for bias control for the Kernel-based Conditional Independence (KCI) test based on data splitting. We show that our approach significantly improves test level control for KCI without sacrificing test power, both theoretically and for synthetic and real-world data.
• Abstract（参考訳）: 条件付き独立性の統計的テストに対する,データ効率,カーネルベースのアプローチについて述べる。 条件付き独立テストの大きな課題は、競争力を維持しながら、正しいテストレベル(偽陽性率の特定の上限)を得ることである。 非パラメトリックなカーネルリッジ回帰を用いて得られたテスト統計学のバイアスにより、過剰な偽陽性が生じる。 データ分割に基づくカーネルベース条件独立(KCI)テストにおけるバイアス制御の自動化手法であるSplitKCIを提案する。 提案手法は,理論上も実世界のデータに対しても,テストパワーを犠牲にすることなく,KCIの試験レベル制御を大幅に改善することを示す。

関連論文リスト

• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Conditional Independence Test Based on Transport Maps [9.039406432084578]
  本稿では,トランスポートマップを用いた条件付き独立性テストのための新しいフレームワークを提案する。 人口レベルでは、2つの明確に定義されたトランスポートマップが条件付き独立性テストから条件なし独立性テストに変換可能であることを示す。 置換に基づく手順を用いて、テストの重要性を評価する。
  論文  参考訳（メタデータ） (2025-04-13T13:38:25Z)
• Precise Error Rates for Computationally Efficient Testing [75.63895690909241]
  本稿では,計算複雑性に着目した単純な対数-単純仮説テストの問題を再考する。 線形スペクトル統計に基づく既存の試験は、I型とII型の誤差率の間の最良のトレードオフ曲線を達成する。
  論文  参考訳（メタデータ） (2023-11-01T04:41:16Z)
• Sequential Predictive Two-Sample and Independence Testing [114.4130718687858]
  逐次的非パラメトリック2サンプルテストと独立テストの問題点について検討する。 私たちは賭けによる(非パラメトリックな)テストの原則に基づいています。
  論文  参考訳（メタデータ） (2023-04-29T01:30:33Z)
• Sequential Kernelized Independence Testing [101.22966794822084]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Model-Free Sequential Testing for Conditional Independence via Testing by Betting [8.293345261434943]
  提案されたテストでは、任意の依存関係構造を持つ入ってくるi.d.データストリームを分析できる。 重要な結果が検出されれば,オンライン上でのデータポイントの処理を可能とし,データ取得を停止する。
  論文  参考訳（メタデータ） (2022-10-01T20:05:33Z)
• Nonparametric Conditional Local Independence Testing [69.31200003384122]
  条件付き局所独立は、連続的な時間プロセス間の独立関係である。 条件付き地域独立の非パラメトリックテストは行われていない。 二重機械学習に基づく非パラメトリックテストを提案する。
  論文  参考訳（メタデータ） (2022-03-25T10:31:02Z)
• An $\ell^p$-based Kernel Conditional Independence Test [21.689461247198388]
  そこで本稿では, 最適分布の2つのカーネルベース代表者間の距離を$Lp$とする, 条件付き独立性のための計算効率の高い新しいテストを提案する。 我々は,新しい試験の性能が,高次元設定においても,統計的パワーとタイプI誤差の両方の観点から,最先端の手法よりも優れていることを示す一連の実験を行った。
  論文  参考訳（メタデータ） (2021-10-28T03:18:27Z)
• Testing for Outliers with Conformal p-values [14.158078752410182]
  目標は、新しい独立したサンプルが参照データセットと同じ分布に属するかどうかをテストすることである。 そこで本論文では,p-値が有意であるが,異なるテストポイントに対して互いに依存する,広く適用可能なフレームワークである共形推論に基づく解を提案する。 我々は、これらのp値が正に依存し、正確な誤発見率制御を可能にすることを証明している。
  論文  参考訳（メタデータ） (2021-04-16T17:59:21Z)
• Cross-validation Confidence Intervals for Test Error [83.67415139421448]
  この研究は、クロスバリデーションのための中心極限定理と、学習アルゴリズムの弱い安定性条件下での分散の一貫した推定器を開発する。 結果は、一般的な1対1のクロスバリデーションの選択にとって、初めてのものだ。
  論文  参考訳（メタデータ） (2020-07-24T17:40:06Z)
• Learning Kernel Tests Without Data Splitting [18.603394415852765]
  データ分割なしにハイパーパラメータの学習と全サンプルでのテストを可能にするアプローチを提案する。 我々のアプローチの試験能力は、その分割割合に関係なく、データ分割アプローチよりも経験的に大きい。
  論文  参考訳（メタデータ） (2020-06-03T14:07:39Z)

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。