Fugu-MT 論文翻訳(概要): Sparse Estimation of Inverse Covariance and Partial Correlation Matrices via Joint Partial Regression

論文の概要: Sparse Estimation of Inverse Covariance and Partial Correlation Matrices via Joint Partial Regression

arxiv url: http://arxiv.org/abs/2502.08414v1
Date: Wed, 12 Feb 2025 13:57:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-13 13:50:07.563797
Title: Sparse Estimation of Inverse Covariance and Partial Correlation Matrices via Joint Partial Regression
Title（参考訳）: 部分回帰による逆共分散と部分相関行列のスパース推定
Authors: Samuel Erickson, Tobias Rydén,
Abstract要約: 本研究では,高次元スパース部分相関と逆共分散行列を推定する新しい手法を提案する。本稿では,逆共分散と偏相関行列推定の手法を一致させ,改良する手法について,統計的収束率を示す。提案手法の有効性を,合成データと実世界のデータの両方で実証した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a new method for estimating high-dimensional sparse partial correlation and inverse covariance matrices, which exploits the connection between the inverse covariance matrix and linear regression. The method is a two-stage estimation method wherein each individual feature is regressed on all other features while positive semi-definiteness is enforced simultaneously. We provide statistical rates of convergence for the proposed method which match, and improve upon, the state-of-the-art for inverse covariance and partial correlation matrix estimation, respectively. We also propose an efficient proximal splitting algorithm for numerically computing the estimate. The effectiveness of the proposed method is demonstrated on both synthetic and real-world data.
Abstract（参考訳）: 本稿では, 逆共分散行列と線形回帰との接続を利用して, 高次元スパース偏相関と逆共分散行列を推定する手法を提案する。正の半確定性を同時に実施しながら、各特徴を他の全ての特徴に回帰させる2段階推定方法である。本稿では, 逆共分散と偏相関行列推定の手法をそれぞれ一致させ, 改良する手法に対して, 収束の統計率を示す。また,推定値の数値計算に有効な近似分割アルゴリズムを提案する。提案手法の有効性を,合成データと実世界のデータの両方で実証した。

関連論文リスト

Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
論文参考訳（メタデータ） (2024-04-24T09:04:36Z)
Positive definite nonparametric regression using an evolutionary algorithm with application to covariance function estimation [0.0]
定常過程の共分散関数を推定するための新しい非パラメトリック回帰フレームワークを提案する。提案手法は, 正定性, 等方性, 単調性を推定者に課すことができる。提案手法は,長距離依存に対する信頼性の高い推定値を提供する。
論文参考訳（メタデータ） (2023-04-25T22:01:14Z)
Exogenous Data in Forecasting: FARM -- A New Measure for Relevance Evaluation [62.997667081978825]
FARM - Forward Relevance Aligned Metricという新しいアプローチを導入する。我々のフォワード法は、その後のデータポイントの変化を時系列に合わせるために比較する角測度に依存する。第1の検証ステップとして、FARMアプローチの合成信号・代表信号への適用について述べる。
論文参考訳（メタデータ） (2023-04-21T15:22:33Z)
Dimension Reduction and MARS [4.525349089861123]
適応回帰スプライン(MARS)は、非パラメトリック多変量回帰の一般的な推定法の一つである。本稿では,十分次元の縮小を実現する共変数の線形結合を用いてMARSの性能を向上する。数値的な研究と実証的な応用は、回帰推定と予測においてMARSや他の一般的な非パラメトリック法よりも効果と改善を示す。
論文参考訳（メタデータ） (2023-02-11T21:50:17Z)
Posterior and Computational Uncertainty in Gaussian Processes [52.26904059556759]
ガウスのプロセスはデータセットのサイズとともに違法にスケールする。多くの近似法が開発されており、必然的に近似誤差を導入している。この余分な不確実性の原因は、計算が限られているため、近似後部を使用すると完全に無視される。本研究では,観測された有限個のデータと有限個の計算量の両方から生じる組合せ不確実性を一貫した推定を行う手法の開発を行う。
論文参考訳（メタデータ） (2022-05-30T22:16:25Z)
A Stochastic Newton Algorithm for Distributed Convex Optimization [62.20732134991661]
均質な分散凸最適化のためのNewtonアルゴリズムを解析し、各マシンが同じ人口目標の勾配を計算する。提案手法は,既存の手法と比較して,性能を損なうことなく,必要な通信ラウンドの数,頻度を低減できることを示す。
論文参考訳（メタデータ） (2021-10-07T17:51:10Z)
Statistical Inference for High-Dimensional Linear Regression with Blockwise Missing Data [13.48481978963297]
ブロックワイドなデータは、異なるソースまたはモダリティが相補的な情報を含むマルチソースまたはマルチモダリティデータを統合するときに発生する。本稿では,未偏差推定方程式に基づいて回帰係数ベクトルを計算効率良く推定する手法を提案する。アルツハイマー病神経画像イニシアチブの数値的研究と応用分析により、提案手法は既存の方法よりも教師なしのサンプルからより優れた性能と利益を得られることを示した。
論文参考訳（メタデータ） (2021-06-07T05:12:42Z)
MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文参考訳（メタデータ） (2021-06-03T12:59:16Z)
Estimation, Confidence Intervals, and Large-Scale Hypotheses Testing for High-Dimensional Mixed Linear Regression [9.815103550891463]
本稿では,2つの線形回帰モデルのうちの1つから出力変数が得られた高次元混合線形回帰(MLR)について検討する。本稿では, 2つの回帰ベクトルを推定し, その収束率を確立するための反復的手順を提案する。回帰係数をテストするために大規模な多重検定手法を提案し, アルゴリズムによって偽発見率(FDR)を制御できることが示されている。
論文参考訳（メタデータ） (2020-11-06T21:17:41Z)
Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
異種データセットから学習した後続分布を融合する手法を提案する。我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
論文参考訳（メタデータ） (2020-07-13T03:27:45Z)
Covariance Estimation for Matrix-valued Data [9.739753590548796]
本研究では,高次元行列データに対する分布自由正規化共分散推定法を提案する。我々は、バンド可能な共分散を推定するための統一的な枠組みを定式化し、ランク1の制約のないクロネッカー積近似に基づく効率的なアルゴリズムを導入する。格子状温度異常データセットとS&P 500ストックデータ解析によるシミュレーションと実応用を用いて,本手法の優れた有限サンプル性能を実証した。
論文参考訳（メタデータ） (2020-04-11T02:15:26Z)

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。