論文の概要: A Semi-Supervised Kernel Two-Sample Test

• arxiv url: http://arxiv.org/abs/2605.01775v1
• Date: Sun, 03 May 2026 08:26:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.932844
• Title: A Semi-Supervised Kernel Two-Sample Test
• Title（参考訳）: 半スーパービジョンカーネル2サンプル試験
• Authors: Gyumin Lee, Shubhanshu Shekhar, Ilmun Kim,
• Abstract要約: そこで本研究では,正規性を伴うテスト統計を生成する半教師付き手法を提案する。 提案手法は, 固定および局所的な代替手段に対して一貫した出力を有することを示す。
• 参考スコア（独自算出の注目度）: 13.687617973585981
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider the problem of two-sample testing in a semi-supervised setting with abundant unlabeled covariate data. Standard two-sample tests neglect covariate information, which has the potential to significantly boost performance. However, incorporating covariates potentially breaks the exchangeability assumption under the null, which further complicates a calibration procedure. To address these issues, we propose a semi-supervised method that produces a test statistic with asymptotic normality, while effectively integrating additional information from covariates. Our test is straightforward to calibrate due to the asymptotic normality under the null and achieves asymptotic power that is often much higher than existing kernel tests without covariates. Furthermore, we formally show that the proposed method is consistent in power against fixed and local alternatives. Simulations confirm the practical and theoretical strengths of our approach.
• Abstract（参考訳）: ラベルなし共変量データを用いた半教師付き環境での2サンプルテストの問題点を考察する。 標準的な2サンプルテストは、性能を大幅に向上させる可能性がある共変量情報を無視する。 しかし、共変量体を組み込むことは、ヌルの下での交換可能性仮定を破る可能性があり、キャリブレーション手順をさらに複雑にする。 これらの問題に対処するために,共変量からの付加情報を効果的に統合しつつ,漸近的正規性を伴うテスト統計を生成する半教師付き手法を提案する。 我々のテストは、ヌルの下での漸近正規性による校正が容易であり、共変のない既存のカーネルテストよりもはるかに高い漸近パワーを達成する。 さらに,提案手法は固定および局所的な代替手段に対して一貫した力を持つことを示す。 シミュレーションは、我々のアプローチの実用的および理論的強みを裏付ける。

関連論文リスト

• Minimax-Optimal Two-Sample Test with Sliced Wasserstein [2.019622939313173]
  本研究では,スライスされたワッサーシュタイン距離を用いた非パラメトリック2サンプル試験の問題点について検討する。 置換に基づくSWテストを提案し,その性能を解析する。
  論文  参考訳（メタデータ） (2025-10-31T14:20:06Z)
• Discovering Causal Relationships using Proxy Variables under Unmeasured Confounding [42.70985072862832]
  観測研究における変数ペア間の因果関係の推測は極めて重要であるが,困難である。 我々は,不測の共同設立者の下で因果仮説をテストするために,離散的かつ連続的な設定を両立する一般的な非パラメトリックアプローチを開発する。 Intensive Care Data and World Values Surveyの広範囲なシミュレーションと実世界データによるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2025-10-20T05:13:12Z)
• 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)
• Robust Kernel Hypothesis Testing under Data Corruption [6.430258446597413]
  本稿では,データ破損下でのロバストな置換テストを構築するための一般的な手法を提案する。 最小限の条件下での力の一貫性を証明する。 これは、潜在的な敵攻撃を伴う現実世界のアプリケーションに対する仮説テストの実践的な展開に寄与する。
  論文  参考訳（メタデータ） (2024-05-30T10:23:16Z)
• Precise Error Rates for Computationally Efficient Testing [67.30044609837749]
  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)
• Bootstrapped Edge Count Tests for Nonparametric Two-Sample Inference Under Heterogeneity [5.8010446129208155]
  両試料間の差異を正確に検出する新しい非パラメトリック試験法を開発した。 オンラインゲームにおけるユーザ行動検出のための総合シミュレーション研究と応用により,提案試験の非漸近性能が向上したことを示す。
  論文  参考訳（メタデータ） (2023-04-26T22:25:44Z)
• Near-Optimal Non-Parametric Sequential Tests and Confidence Sequences with Possibly Dependent Observations [44.71254888821376]
  我々は、一般的な非データ生成プロセスの下で、最初のタイプIエラーと予測リジェクション時間保証を提供する。 本研究では, 平均処理効果など, 方程式を推定することによって定義されるパラメータの推測に, 結果を適用する方法を示す。
  論文  参考訳（メタデータ） (2022-12-29T18:37:08Z)
• A One-step Approach to Covariate Shift Adaptation [82.01909503235385]
  多くの機械学習シナリオにおけるデフォルトの前提は、トレーニングとテストサンプルは同じ確率分布から引き出されることである。 予測モデルと関連する重みを1つの最適化で共同で学習する新しいワンステップアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-08T11:35:47Z)

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。