論文の概要: Fréchet regression of multivariate distributions with nonparanormal transport

• arxiv url: http://arxiv.org/abs/2603.07014v1
• Date: Sat, 07 Mar 2026 03:21:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.609544
• Title: Fréchet regression of multivariate distributions with nonparanormal transport
• Title（参考訳）: 非正規輸送をもつ多変量分布のフレシェ回帰
• Authors: Junyoung Park, Irina Gaynanova,
• Abstract要約: 本稿では,多変量分布応答に対する新しい回帰手法を提案する。 我々は、NPTの理論的正当性を提供し、ワッサーシュタイン距離と位相的同値性を確立し、それが次元の呪いを緩和することを証明する。 本手法の実用性はシミュレーションと連続グルコースモニタリングデータへの応用により実証された。
• 参考スコア（独自算出の注目度）: 5.388168357866664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Regression with distribution-valued responses and Euclidean predictors has gained increasing scientific relevance. While methodology for univariate distributional data has advanced rapidly in recent years, multivariate distributions, which additionally encode dependence across univariate marginals, have received less attention and pose computational and statistical challenges. In this work, we address these challenges with a new regression approach for multivariate distributional responses, in which distributions are modeled within the semiparametric nonparanormal family. By incorporating the nonparanormal transport (NPT) metric -- an efficient closed-form surrogate for the Wasserstein distance -- into the Fréchet regression framework, our approach decomposes the problem into separate regressions of marginal distributions and their dependence structure, facilitating both efficient estimation and granular interpretation of predictor effects. We provide theoretical justification for NPT, establishing its topological equivalence to the Wasserstein distance and proving that it mitigates the curse of dimensionality. We further prove uniform convergence guarantees for regression estimators, both when distributional responses are fully observed and when they are estimated from empirical samples, attaining fast convergence rates comparable to the univariate case. The utility of our method is demonstrated via simulations and an application to continuous glucose monitoring data.
• Abstract（参考訳）: 分布評価応答とユークリッド予測器による回帰は、科学的関連性を高めている。 単変量分布データの手法は近年急速に進歩してきたが、多変量分布は、単変量分布全体の依存をコード化しており、あまり注目されず、計算的および統計的課題を提起している。 本研究では,多変量分布応答に対する新しい回帰手法を用いて,半パラメトリック非正規群内の分布をモデル化する。 非正規輸送(NPT)計量(ワッサーシュタイン距離の効率的な閉形式サロゲート)をフレシェ回帰フレームワークに組み込むことで、この問題を限界分布とその依存構造の分離回帰に分解し、効率的な推定と予測効果の粒度の解釈を容易にする。 我々は、NPTの理論的正当性を提供し、ワッサーシュタイン距離と位相的同値性を確立し、それが次元の呪いを緩和することを証明する。 さらに、分布応答が完全に観測された場合と、経験的サンプルから推定された場合の両方において、回帰推定器に対する一様収束保証を証明し、単変量の場合に匹敵する高速収束率を得る。 本手法の実用性はシミュレーションと連続グルコースモニタリングデータへの応用により実証された。

関連論文リスト

• Neural Optimal Transport Meets Multivariate Conformal Prediction [58.43397908730771]
  条件付きベクトル回帰(CVQR)のためのフレームワークを提案する。 CVQRは、ニューラルネットワークの最適輸送と量子化された最適化を組み合わせて、予測に適用する。
  論文  参考訳（メタデータ） (2025-09-29T19:50:19Z)
• Risk Bounds For Distributional Regression [9.92024586772767]
  連続ランクスコア(CRPS)と最悪の平均二乗誤差(MSE)に対して、一般的な上限が設定される。 シミュレーションデータと実データの両方の実験は、理論的な貢献を検証し、その実用性を実証した。
  論文  参考訳（メタデータ） (2025-05-14T02:22:12Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。 本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。 既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• Distributed High-Dimensional Quantile Regression: Estimation Efficiency and Support Recovery [0.0]
  我々は高次元線形量子レグレッションのための分散推定とサポート回復に焦点をあてる。 元の量子レグレッションを最小二乗最適化に変換する。 効率的なアルゴリズムを開発し、高い計算と通信効率を享受する。
  論文  参考訳（メタデータ） (2024-05-13T08:32:22Z)
• Conformal inference for regression on Riemannian Manifolds [45.560812800359685]
  回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、共変変数が$X$で、ユークリッド空間にあるときに検討する。 我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
  論文  参考訳（メタデータ） (2023-10-12T10:56:25Z)
• Reliable amortized variational inference with physics-based latent distribution correction [0.4588028371034407]
  ニューラルネットワークは、既存のモデルとデータのペアの後方分布を近似するように訓練される。 このアプローチの精度は、高忠実度トレーニングデータの可用性に依存する。 補正ステップは, ソース実験数の変化, ノイズ分散, 先行分布の変化に対して, 償却された変分推論の頑健さを向上することを示す。
  論文  参考訳（メタデータ） (2022-07-24T02:38:54Z)
• Random Forest Weighted Local Fréchet Regression with Random Objects [18.128663071848923]
  本稿では,新しいランダム森林重み付き局所Fr'echet回帰パラダイムを提案する。 最初の方法は、これらの重みを局所平均として、条件付きFr'echet平均を解くことである。 第二の手法は局所線形Fr'echet回帰を行い、どちらも既存のFr'echet回帰法を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-10T09:10:59Z)
• Which Invariance Should We Transfer? A Causal Minimax Learning Approach [18.71316951734806]
  本稿では、因果的観点からの包括的ミニマックス分析について述べる。 最小の最悪のリスクを持つサブセットを探索する効率的なアルゴリズムを提案する。 本手法の有効性と有効性は, 合成データとアルツハイマー病の診断で実証された。
  論文  参考訳（メタデータ） (2021-07-05T09:07:29Z)

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。