論文の概要: On the Spectral Structure and Objective Equivalence of Orthogonal Multilabel Fisher Discriminants
- arxiv url: http://arxiv.org/abs/2605.03283v1
- Date: Tue, 05 May 2026 02:14:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.721509
- Title: On the Spectral Structure and Objective Equivalence of Orthogonal Multilabel Fisher Discriminants
- Title（参考訳）: 直交多ラベル漁業識別剤のスペクトル構造と客観的等価性について
- Authors: Brian Keith-Norambuena, Juan Bekios-Calfa,
- Abstract要約: 複数ラベルの散乱行列の同時定式化による線形判別分析の統一的理論的解析を行う。
私たちの貢献は、代数的構造と統計的保証の両方に及びます。
- 参考スコア（独自算出の注目度）: 0.22917707112773592
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We provide a unified theoretical analysis of Linear Discriminant Analysis with simultaneous multilabel scatter matrix formulations and Stiefel orthogonality constraints. Our contributions span both algebraic structure and statistical guarantees. On the algebraic side, we characterize the rank of the multilabel between-class scatter matrix, showing that the effective discriminant dimensionality can strictly exceed the classical single-label bound of $C-1$; we establish a multilabel partition of variance and prove that all four Fisher objectives are equivalent under the $W^\top S_t^{ML} W = I_r$ constraint while characterizing their divergence under the Stiefel constraint; and we prove a two-sided label-distance preservation bound relating projected distances to Hamming distances in label space. On the statistical side, we establish a finite-sample $O(k_{\max}\sqrt{d\log d/n}/gap_r)$ bound on the subspace estimation error under sub-Gaussian noise with a matching $Ω(σ^2 d/(n\,gap_r))$ minimax lower bound, establishing a near-minimax-optimal rate (matching up to logarithmic and $k_{\max}$ factors) for multilabel discriminant subspace estimation. We further provide high-probability distance concentration, robustness guarantees under label interactions, and a regularization analysis preserving the spectral structure when $d \gg n$. All results are verified numerically on synthetic data generated from the linear label-effect model, covering both the algebraic identities and the multilabel-specific quantities ($k_{\max}$, $κ(S_t^{ML})$, $\|Γ/n\|_2$, $Δ_r$) that govern the statistical bounds. The numerical experiments are designed as a sanity check for the theorems rather than as an empirical benchmark; evaluation on real multilabel datasets is left to future work targeting application-oriented venues.
- Abstract（参考訳）: 本稿では,複数ラベルの散乱行列の同時定式化とStiefel直交制約を用いた線形判別分析の統一的理論的解析を行う。
私たちの貢献は、代数的構造と統計的保証の両方に及びます。
代数側では、クラススキャッター行列間の多重ラベルのランクを特徴付け、有効判別次元が古典的なシングルラベル境界の$C-1$を超えていることを示し、分散の多重ラベル分割を確立し、全てのフィッシャー目的が$W^\top S_t^{ML} W = I_r$制約の下で等価であることを証明する。
統計的には、有限サンプル $O(k_{\max}\sqrt{d\log d/n}/gap_r)$bound on the subspace estimation error under sub-Gaussian noise with a matching $Ω(σ^2 d/(n\,gap_r))$ minimax lower bound, established a near-minimax-timal rate (matching up to logarithmic and $k_{\max}$ factor) for multilabel discriminant subspace Estimation。
さらに、高確率距離濃度、ラベル相互作用下での堅牢性保証、および$d \gg n$のときのスペクトル構造を保存する正則化解析を提供する。
すべての結果は、線形ラベル効果モデルから生成された合成データに基づいて数値的に検証され、代数的アイデンティティと多ラベル固有量(k_{\max}$, $κ(S_t^{ML})$, $\|/n\|_2$, $Δ_r$)の両方をカバーする。
数値実験は経験的なベンチマークではなく定理の正当性チェックとして設計されており、実際のマルチラベルデータセットの評価はアプリケーション指向の会場を対象とした将来の作業に委ねられている。
関連論文リスト
- Minimax Rates for the Estimation of Eigenpairs of Weighted Laplace-Beltrami Operators on Manifolds [7.639886528552829]
楕円微分作用素の固有ペアを、多様体$M$で支えられる分布$rho$のサンプルから推定する問題について検討する。
グラフラプラシアンの固有ペアは、近似の誤差で正規性多様体推定器を誘導し、対数補正まで、我々の下界と一致する。
論文 参考訳（メタデータ） (2025-05-30T19:19:25Z) - Convergence Analysis of Probability Flow ODE for Score-based Generative Models [5.939858158928473]
確率フローODEに基づく決定論的サンプリング器の収束特性を理論的・数値的両面から検討する。
連続時間レベルでは、ターゲットと生成されたデータ分布の総変動を$mathcalO(d3/4delta1/2)$で表すことができる。
論文 参考訳（メタデータ） (2024-04-15T12:29:28Z) - Semidefinite programming relaxations and debiasing for MAXCUT-based clustering [1.9761774213809036]
2つのガウス分布を$mathbbRp$で混合して引き出す小さなデータサンプルを$n$で分割する問題を考察する。
グラフ上の最大カットを求めるように定式化された整数二次プログラムの半定値プログラミング緩和を用いる。
論文 参考訳（メタデータ） (2024-01-16T03:14:24Z) - Tackling Combinatorial Distribution Shift: A Matrix Completion
Perspective [42.85196869759168]
a) テストランダムデータおよびトレーニングランダムデータの下で、ラベル$z$は、(x,y)$, (b) トレーニングディストリビューションは、別々に$x$と$y$の限界分布をカバーしているが、(c) テストディストリビューションは、トレーニングディストリビューションがカバーしていない製品ディストリビューションの例を含む。
論文 参考訳（メタデータ） (2023-07-12T21:17:47Z) - How Does Pseudo-Labeling Affect the Generalization Error of the
Semi-Supervised Gibbs Algorithm? [73.80001705134147]
擬似ラベル付き半教師付き学習(SSL)におけるGibsアルゴリズムによる予測一般化誤差(ゲンエラー)を正確に評価する。
ゲンエラーは、出力仮説、擬ラベルデータセット、ラベル付きデータセットの間の対称性付きKL情報によって表現される。
論文 参考訳（メタデータ） (2022-10-15T04:11:56Z) - Subspace clustering in high-dimensions: Phase transitions \&
Statistical-to-Computational gap [24.073221004661427]
部分空間クラスタリングを研究するための単純なモデルは、高次元の$k$-ガウス混合モデルである。
広帯域な高次元状態における統計的に最適な再構成誤差を正確に評価する。
論文 参考訳（メタデータ） (2022-05-26T17:47:35Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳（メタデータ） (2021-09-24T14:48:20Z) - A Unified Joint Maximum Mean Discrepancy for Domain Adaptation [73.44809425486767]
本論文は,最適化が容易なjmmdの統一形式を理論的に導出する。
統合JMMDから、JMMDは分類に有利な特徴ラベル依存を低下させることを示す。
本稿では,その依存を促進する新たなmmd行列を提案し,ラベル分布シフトにロバストな新しいラベルカーネルを考案する。
論文 参考訳（メタデータ） (2021-01-25T09:46:14Z) - Consistent Structured Prediction with Max-Min Margin Markov Networks [84.60515484036239]
二項分類のためのマックスマージン法は、最大マージンマルコフネットワーク(M3N$)の名前で構造化予測設定まで拡張されている。
我々は、学習問題を"max-min"マージンの定式化で定義し、結果のメソッドmax-minマージンマルコフネットワーク(M4N$)を命名することで、そのような制限を克服する。
マルチクラス分類,順序回帰,シーケンス予測,ランキング実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-07-02T10:48:42Z) - Self-training Avoids Using Spurious Features Under Domain Shift [54.794607791641745]
教師なし領域適応においては、条件付きエントロピー最小化と擬似ラベル処理は、既存の理論で解析されたものよりもドメインシフトがはるかに大きい場合であっても行われる。
ドメインシフトが大きくなる可能性のある特定の設定を特定・分析するが、特定のスパイラルな特徴はソースドメインのラベルと相関するが、ターゲットの独立なラベルである。
論文 参考訳（メタデータ） (2020-06-17T17:51:42Z)
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。